基于极限学习机的变压器故障快速识别.pdfVIP

ArtificialIntelligence 基于极限学习机的变压器故障快速识别 刘 晓 乐 ．刘 艳 (北京科技大学 自动化 学院 ，北京 100083) 摘 要：针对基 于传统神经 网络 的变压器故 障识别诊 断方法存在 网络收敛慢 、易陷入局部极 小 点和 网络参数难确定的缺点 ．提 出了一种基 于极限学 习机 的电力变压器故障快速识别方法。该方法 以变压器油 中用于故障类型分析的 5种主要溶解气体含量作为输入特征量 ，5种 常见变压器状态作 为输 出量建立分类识别模型。实验结果显示，该方法的识别准确率比支持向量机 高 l2．5％，识别速度 是支持向量机的2．6倍，比概率神经网络快5．5倍 以上，表明该方法对变压器故障的识别快速而有效。 关键词 ：电力变压器；故障快速识别 ；极限学 习机 ；油中溶解气体分析 中图分类号 ： TP394．1 文献标识码 ：A 文 章编号 ：1674—7720(2015)02—0052—03 Powertransformerfaultfastrecognition based on extreme learningmachine Liu Xiaole，Liu Yan (SchoolofAutomation and ElectricalEngineering，University ofScienceandTechnology Beijing，Beijing 100083，China) Abstract：Thispaperpresentsamethod forpowertransformerfaultrecognition basedonextreme learning machine．Itovercomes the shortcomingsofslOW convergence，entrapmentin localoptimum andthe difficulty ofdetermining network parametersoftraditional neuralnetworks．Thefaultclassificationandrecognitionmodelisconstructedbyusingthefivemajorkindsofdissolvedgascontent ofr faulttype analysis as inputs and five common states of power transformer as outputs．The experimentresults show that the recognition rate ofthismethod is 12．5％ higherthan thatofsupport vectormachineand therecognition speed is2．6 timesasfastas supportvector machine， 5．5 times faster than thatofprobabilistic neuralnetwork．So this method iseffective and fastfor power transformerfaultrecognition． Keywords：powertransformer；faultfastrecognition；extremelearningmachine(ELM)；dissolvedgas-in-oilanalysis(DGA) 0 引言 络 )收敛速 度 慢 ，易 陷入 局部 极 小点 ，因此 ，又 提 出 了改 电力变压器是保 障供 电的重要设备 ，寻找快速而准 进 的小波神经 网络 、结合遗传算法的 BP网络 以及概率 确 的识别和诊 断方法及 时反馈可 能 的变压器故 障异常 神经 网络 (PNN) 】等诊断方法 ，能够较好地避免局部 对提高 电力系统可靠性有着重要意义 。利用