基于改进PSO-RBF神经网络的变压器故障诊断

摘要：

针对电力变压器故障多发且类型多样等问题,文章通过改进传统粒子群算法,来训练径向基函数神经网络,构建了IPSO-RBF神经网络模型.又依据电力变压器油内气体含量关系,对其故障类型进行分类,并通过文章中的网络模型进行仿真测试.仿真结果表明,IPSO-RBF神经网络对各类故障类型的诊断正确率高达 94.6%.相较于PSO-RBF神经网络模型,输出误差、运行时间和检测正确率均得到提升,有较好的效果,能满足实际应用中对电力变压器的故障检测需求.

关键词：电力变压器、神经网络、粒子群算法、仿真测试、故障检测

所属期刊栏目：42

分类号：TM41(变压器、变流器及电抗器)

资助基金：国网吉林省电力有限公司智慧变电站建设关键技术科技基金项目522371210003

在线出版日期：2023-08-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：149-151