马桂雨,王雪丹,万 丹
(黑龙江科技学院,黑龙江哈尔滨 150027)
基于遗传小波神经网络的变压器故障诊断*
马桂雨,王雪丹,万 丹
(黑龙江科技学院,黑龙江哈尔滨 150027)
电力变压器油中溶解气体的色谱分析是变压器故障诊断的重要方法,通过该方法可以间接了解变压器的运行状态和内部潜在故障.人工神经网络已经成功地应用于电力变压器故障诊断,但学习样本数多和输入输出关系复杂性减慢了网络的收敛速度.为解决此问题,将用遗传算法改进的小波神经网络应用于电力变压器故障诊断,克服小波算法易于陷入局部极小、收敛速度慢等缺点.
小波神经网络;遗传算法;变压器故障诊断
基于人工神经网络的变压器故障诊断将人工智能应用于电力系统已经成功研发出故障诊断设备并投入使用.由于故障征兆到故障类型的映射,呈现出非线性和不确定性,所以难以用一种确定的逻辑或算法进行建模.神经网络能够自我学习,擅于处理非线性关系的数据,使神经网络成功地应用于变压器故障诊断.小波神经网络是神经网络的一种,已经应用于电力变压器故障诊断,但由于小波算法易陷入局部极小和收敛速度慢等状态中,影响电力变压器故障诊断的准确率和速度.[1]
笔者将遗传算法的优点应用于小波神经网络,达到优化小波神经网络的目的,将基于遗传小波神经网络方法应用于电力变压器的故障诊断.