基于混合遗传算法展开子波神经网络的电力变压器故障诊断方法.docVIP

基于混合遗传算法展开子波神经网络的电力变压器故障诊断方法 C. Pan, W. Chen and Y. Yun 简要：子波神经网络反向传播算法的主要缺点，常用电力变压器故障诊断的最佳程序很容易陷入局部极小的情况下，严格要求的初始值。编码的混合遗传算法进化小波网络的提出它可用于优化结构大量实例表明，方法有单和多电源故障的能力好以及高故障诊断电力变压器是电力系统的主要设备影响电气能源的可用性早期故障的主要问题是可能会降低电和绝缘系统的机械完整性。诊断方法可以分为两组：在线和离线。传统油中溶解气体分析（DGA）已在约30年的实践，取得了巨大的成功。氢（H2），乙烷，甲烷（CH4）（C2H6），乙烯（C2H4），乙炔（C2H2），碳氧化硅（CO）和二氧化碳（CO2）传统的DGA方法的一个严重问题，过度依赖。因此，解释气体诊断标准不同。在过去的十年中，出现了对人工智能的深入研究使用AI协助DGA技术。这些调查包括专家系统方法，模糊系统的方法，从人工神经网络（ANN）方法基于在这些人工智能方法人工神经网络被广泛用于诊断变压器故障。基于人工神经网络的故障诊断高度非线性映射能力模糊系统总是提供一个比较优越的解决虽然人工神经网络的计算复杂度不太高，特别是在故障诊断过程中，包括收敛速度慢， 振荡等波神经网络（WNN）在1992，小波神经网络是非线性的模型拟合结合波分析和人工神经网络的一种新的逼近工具。波神经网络遗传算法（GA）是一种随机搜索技术，被广泛应用于。拓扑的波神经网络在第2节介绍混合算法结合了遗传算法的精英策略和WNN3节。一些数值例子在第5节中给出。最后。在本文中，小波神经网络是设计成了三层结构一个输入层，图1描述了三层网络结构图。如图1所示，输入数据向量x 连接到网络的输入层， [x1, x2, ... , xk, ... , xm]，m是输入变量，xk意思是第K个输入变量。输入变量代表各种可溶气体或者特定气体的比率。 在波节点的激活函数波层来自一个母小波c(x) L (R),这个母子波可表示真实空间所有可测量函数集合，满足受理条件。 d 其中表示傅里叶变换可以变成一个有扩展a和转化b的母波函数。 其中Z表示整数。涌过对扩展有效系数a和转化系数b，公式2的子波具有优越的性能和时间 混合遗传算法优化小波神经网络 遗传算法被称为全局搜索算法最在本文中，所提出的混合遗传算法基于实数编码的染色体调整网络结构参数（伸缩和平移）和一个小波神经网络的连接权值，编码和初始化其中的元素称为基因的位置。传统的遗传算法采用二进制表示（即1和0）即，一个编码函数将变量为二进制字符串和一个解码的二进制字符串然而，在这个过程中离散化误差，这会导致在一个错误网络的输入和输出的非线性映射我们真正的网络参数和网络编码结构组成基因串。如图2所示，一矢量代表第i个染色体对应隐层节点，i ? 1, 2, ... , M其中M为隐层节点的最大数量。X表示第i个隐层节点，根据我们的存经验，这种小波神经元存在。 3.2 合适函数 重要的一步是确定合适的函数，完成这项工作需要最大和最小的绝对值从来充分利用神经网络。 本文建立了误差函数（5）f的倒数值用以表示合适值，同时合适值与特定的Xi相关。 选择策略 有多种方法选择个体。随意选择中最著名的准 则是轮盘赌选择。 本文采用比例选择操作，获得的第i个选择概率值为下一个的值，其中fi是合适值，q为菌落数。谁有更高的人选择值将有以下更多的机会交叉和变异操作。 我们引入一个自适应交叉概率Pc（7）和自适应变异概率Pm（8）分别 其中 其中 和分别代表交叉变异个体中的最大值最小值，合适函数让具有自适应性。这个调整因子可以