基于混沌优化粒子群bp神经网络的电力变压器故障诊断 - 电测与仪表.docVIP

基于混沌优化粒子群BP神经网络的 电力变压器故障诊断 公茂法1，柳岩妮1，王来河1，宋保业1，钟文强 2 山东科技大学，山东 青岛 266590；2. 国网山东平度市供电公司，山东 平度 266700） 摘要：针对电力变压器故障诊断问题，提出了一种基于混沌（Chaos）优化的粒子群（Particle Swarm Optimization）BP神经网络算法。该算法将混沌、粒子群和BP神经网络相结合，通过混沌粒子群算法寻优，得到BP神经网络的最优权值和阈值初始值，然后进行网络训练和测试。利用了混沌算法的遍历性和对初始值敏感的特点，对粒子群算法进行了参数优化，引入了早熟判断机制，并在早熟状态时进行了混沌扰动，使算法后期不易陷入局部最优。通过实例训练与测试表明，CPSO-BP神经网络算法在变压器故障诊断方面有较好的效果。 关键词：混沌；粒子群；BP神经网络；变压器；故障诊断 Fault?diagnosis?of?power?transformers?based?on?chaos particle?swarm optimization?BP?neural?network Gong Maofa1, Liu Yanni1, Wang Laihe1, Song Baoye1, Zhong Wenqiang2 (1. Shandong University of Science and Technology, Qingdao 266590, Shandong, China. 2. State Grid Shandong Pingdu Electric Power Company, Pingdu 266700, Shandong, China) Abstract: In order to solve the fault?diagnostic?problems of power?transformers, this paper proposes a BP neural network algorithm based on chaos particle swarm optimization. This algorithm combines chaos, particle swarm and the BP neural network, and obtains the optimal weights and the initial threshold value of BP neural network by using chaos particle swarm optimization algorithm, and then, it takes the network training and testing. The algorithm takes advantage of ergodicity and sensitivity of initial value of chaos to optimize the parameters of particle swarm algorithm, and introduces the precocious judgment mechanism of local convergence, besides that, in order to avoid the algorithm easily falling into local convergence, the algorithm takes chaotic disturbance at the precocious state. The training and testing examples suggest that CPSO-BP neural network algorithm has better effect in transformers fault diagnosis. Keywords: chaos, particle swarm, BP neural networks, power transformer, fault diagnosis 0 引言 电力变压器作为电力系统重要的变配电设备，其安全稳定运行至关重要。传统的诊断方法，通常有油中溶解气体的特征分析法（DGA）[1-2]和四比值法（Rogers）[3]等。目前基于油中溶解气体分析的变压器故障诊断方法已经取得了很好的研究成果[4]，但由于编码的不完整性，可能会导致部分故障不能及时检测出来。因而对于传统的变压器油中溶解气体分析法需要结合新型的理论进行综合分析，才能更好地克服其中的不足和局限。 BP神经网络在现在的电力变压器故障诊断中虽然已有较为成功的案例，但是其存在收敛速度较慢，精