10.19557/j.cnki.1001-9944.2019.12.016
基于SA-KM算法和RBF神经网络的变压器故障诊断模型研究
针对目前变压器故障诊断手段匮乏、效果欠佳的问题,提出了基于模拟退火思想的改进K-means聚类(SA-KM)算法和径向基(RBF)神经网络相结合的变压器故障诊断方法.以变压器故障时的油中溶解气体分析技术为基础,通过SA-KM算法分别优化了RBF神经网络的学习中心,宽度阈值和连接权值的初始取值,从而优化了网络结构,再利用大量实例数据进行训练学习,建立了基于SA-KM-RBF算法的变压器故障诊断网络模型.仿真试验表明,该模型的故障诊断正确率高达91.43%,拥有非常广阔的应用前景.
故障诊断、变压器、溶解气体分析技术、模拟退火、K-means聚类、径向基函数神经网络
34
TP277;TM407(自动化技术及设备)
唐山市气象局科研开发项目18ky02ts
2020-05-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
80-83,91