基于人工免疫网络与模糊C均值聚类算法相结合的变压器故障诊断方法研究.doc

中图分类号：TM41 文献标志码：A变压器绝缘故障类型改进型RBF神经网络识别算法 李浩王 （河南理工大学 电气工程与自动化学院，河南 焦作 454000） 摘要：为诊断电力变压器内部绝缘故障类，通过对变压器内部绝缘故障发生时产气成分分析，提出了一种以人工免疫网络与粒子群算法改进RBF神经网络的变压器故障诊断算法。重介绍了基于RBF神经网络的变压器故障诊断模型的构成原理、基于人工免疫网络算法的故障模型隐层中心确定方法、以及基于粒子群算法的网络模型权重寻优方法并进行了仿真实验。结果表明：该算法能有效地绝缘故障类型，且精度可达90%以上。 关键词：电力变压器；故障诊断；RBF神经网络；人工免疫网络；粒子群算法Abstract :In order to diagnose the internal latent fault types of power transformer, this paper proposes an improved RBF neural network algorithm by analyzing internal insulation fault types such as oil overheating, partial discharge, etc and their produced gas. This algorithm is improved by artificial immune network algorithm and particle swarm optimization algorithm. The paper focuses on the composition principle of transformer fault diagnosis based on RBF neural network. The method of determining the number of hidden layer of network center based on artificial immune network algorithm is given. The method of network weight optimization based on particle swarm optimization algorithm is developed and then the simulation experiment is also given. The simulation experiment results show that the proposed algorithm can effectively diagnose the fault types and the diagnosis accuracy can reach above 90%. Key words: Power transformer; Fault diagnosis; RBF neural network; Artificial immune network; Particle swarm optimization 0 引言 电力变压器作为电力系统中的关键设备，承担着电压变换和电能分配与传输的任务，其运行可靠性直接关系到系统的供电安全与稳定运行[1,2]。电力变压器内部潜伏性绝缘故障在变压器故障类中占有相当的比重，因此研究内部绝缘故障诊断方法具有重要意义。变压器油气组分分析（DGA）技术作为诊断其内部绝缘故障的方法之一，能够及时有效地发现变压器内部潜伏性绝缘故障及其发展程度，以防止由此引发的安全事故。传统的三比值法及其改良方法在工程中虽多有应用，但该类算法只能粗略诊断故障类而无法准确诊断具体故障。目前，为准确诊断变压器内部绝缘故障及提高诊断准确率，国内外学者引入了多类智能算法包括人工神经网络、人工免疫算法、支持向量机等。 RBF神经网络算法以其收敛速度快、函数逼近能力强等优点，近年来被广泛应用模式识别、故障诊断等领域。但如何构造一个最优的、合理的RBF神经网络结构一直以来都是一个难点，文献[]采用RBF神经网络进行变压器故障诊断，为了解决网络结构复杂、训练时间长等问题，利用粗糙集原理对训练数据进行挖掘，精简了网络结构提高网络训练速度。文献[]采用免疫蚂蚁算法对训练数据进行处理，优化RBF网络隐层参数，并利用最小二乘算法计算RBF网络输出权重，提高了网络的泛化能力与收敛速度。 本文提出一种改进的RBF神经网络故障诊断算法，针对变压器内部具体绝缘故障建立故障诊断模型，并分别以人工免疫网络算法与粒子群优