基于改进蝙蝠算法优化BP神经网络的电力变压器故障诊断研究

公茂法，柳岩妮，王来河，宋 健，谢云兴

(1.山东科技大学 电气与自动化工程学院，山东 青岛 266590；2.山东科技大学 矿业与安全工程学院，山东 青岛 266590；3.国家电网山东东营市供电公司，山东 东营 257091)

基于改进蝙蝠算法优化BP神经网络的电力变压器故障诊断研究

公茂法1，柳岩妮1，王来河2，宋 健3，谢云兴3

(1.山东科技大学 电气与自动化工程学院，山东 青岛 266590；2.山东科技大学 矿业与安全工程学院，山东 青岛 266590；3.国家电网山东东营市供电公司，山东 东营 257091)

提出了一种基于改进蝙蝠算法优化BP神经网络的电力变压器故障诊断方法。利用蝙蝠算法对BP神经网络的权值和阈值参数进行优化，并针对蝙蝠算法优化后期易陷入局部最优缺点，使用混沌算法对群体进行混沌优化，使其减少无效迭代，提高收敛速度。将优化得到的参数值应用到构建的BP神经网络诊断模型中，对数据进行训练和测试。通过实例分析，表明改进蝙蝠算法优化BP神经网络用于变压器故障诊断具有实用性和有效性。

蝙蝠算法；BP神经网络；电力变压器；故障诊断；混沌优化

电力变压器是电力系统正常运行的重要设备之一，及时发现其故障将会减少很多不必要的损失。目前最常用的诊断方法是变压器油中溶解气体分析法[1]，随着人工智能算法的发展，越来越多的智能算法开始应用于变压器的故障诊断，例如遗传算法[2]、专家系统算法[3]、支持向量机[4]、贝叶斯网络[5]等。这些算法在传统油中溶解气体分析法的基础上诊断准确率虽有所提高，但同时也存在很多不足之处。……