基于IGSO优化LM网络的变压器故障诊断方法
针对现今电力变压器故障诊断方法中存在编码边界区间过于绝对、准确率不高等一系列问题,提出了一种自适应搜索萤火虫算法(IGSO)优化列文伯格·马夸尔特(Levenberg Maquardt,LM)网络的变压器故障诊断方法.该方法采用萤火虫个体代表神经网络的权值和阈值、LM网络的均方误差函数作为萤火虫个体的适应度函数,利用改进萤火虫算法迭代寻优得到LM网络的最优权值和阈值.同时,运用模糊理论对改良三比值法的边界模糊化,将得到的特征气体比值编码作为网络模型的输入,不仅有利于去除冗余信息,并且克服了编码边界区间过于绝对的缺点.然后,建立基于自适应搜索萤火虫算法优化的神经网络模型,并将典型变压器故障数据代入仿真,通过与贝叶斯正则化神经网络模型以及粒子群模型的仿真结果对比,表明该方法具有较好的分类效果,准确率达到88.57％.
电力系统、故障诊断、自适应搜索、萤火虫算法、模糊理论、改进神经网络、贝叶斯正则化、粒子群
47
TM74(输配电工程、电力网及电力系统)
National Basic Research Program of China 973 Program2009CB724507-3;Ministry of Education Industrialization Cultivation Project from ShaanXi Provincial Committee2013JC13;Science & technology Research and Development Program of Shaanxi Province2014XT-07;The Ministry of education about "Program for New Century Excellent talents"NCET-11-1043;Key technology Innovation Team Project of Shaanxi Province 2014KCT-16.国家重点基础研究发展计划973计划2009CB724507-3;陕西省教育厅产业化培育项目2013JC13;陕西省科学技术研究发展计划项目2014XT-07;教育部“新世纪优秀人才支持计划”项目NCET-11-1043;陕两省重点科技创新团队计划项目2014KCT-16
2014-10-09（万方平台首次上网日期，不代表论文的发表时间）
共6页
60-65
