基于LMElman神经网络的电力变压器故障诊断.pdfVIP

53—1045／N 云南大学学报(自然科学版)。2009。31(s2)：50—54 CN ISSN0258—7971 ofYunnan Journal University 基于LM—Elman神经网络的电力变压器故障诊断+ 孙婧雅，倪远平，李凌，刘守盎 (昆明理丁大学信息丁程与自动化学院云南昆明650051) 摘要：为更加准确的检测变压器状态和及时发现变压器可能存在的故障，将Levenberg—Marquardt算法与 Elman神经网络相结合，应用于变压器故障诊断中，并与BP网络及三比值法的故障诊断率进行了比较．结果表 明该方法的诊断率相比其他2种方法具有一定的优势． 关键词：Elman网络；Levenberg—Marquardt算法；三比值法；电力变压器；故障诊断 41l 中图分类号：TM 文献标识码：A 文章编号：0258—7971(2009)s2-0050-05 电力变压器是电力系统中重要设备之一，确保 层、承接层和输出层．输入层的单元起信号传输作 安全供电，防止事故于未然，是极为莺要的．常用的 用，输出层起线性加权作用．隐含层单元传递函数 变压器故障诊断方法较多，其中油中溶解气体分析 采用非线性函数．承接层又称为状态层，用来记忆 (DGA)被公认为是一种探测变压器初期故障的有 隐含层单元前一时刻的输出值，并在当前时刻输 效手段．利用DGA数据来诊断变压器不同故障的 出，可以认为是一个一步延时算子． 方法较多，最基本的是采用IEC／IEEE推荐的三比 Elman型神经网络的特点是隐含层的输出通 值法．但三比值法存在“缺编码”、“编码边界过于 过承接层的延迟与存储，自联到隐含层的输入，这 绝对”等不足．因此，基于DGA技术，采用具有高 种自联方式使其对历史状态的数据具有敏感性，内 度的非线性映射以及自学习能力的人工神经网络， 部反馈网络的加入增加了网络本身处理动态信息 在变压器故障诊断中已有一些先例，并取得了一定 的能力，从而达到了动态建模的目的． 的效果． 由图l可知，Elman网络的非线性状态空间表 Elman神经网络是一种回归神经网络(Recur- rentNeural 达式为 Network)．这种网络的本质特征是在处 理单元之间既有前馈连接又有内部的反馈连接，网 y(后)=g(∥O(后))， (1) 络的输出不仅取决于当前的输入，而且和以前的网 络内部状态有关，体现出较好的动态特性…．同时 (3) ％(后)=旷l，j(k)+形1X(k一1)， 论文考虑到Levenberg—Marquardt(LM)算法利用 式中，k表示时刻，Y(k)表示网络在外部输人时间 了近似的二阶导数信息，收敛速度快，因此这里尝 序列x(Ji})作用下的网络输出层的输出向量， 试将LM算法与Elman神经网络相结合用于变压