改进BP神经网络的SVM变压器故障诊断.docxVIP

第44卷 第504期 电测与仪表 Vol.4 No.504 2007年 第12期 Electrical Measurement Instrumentation Dec.2007 PAGE 1 改进BP神经网络的SVM变压器故障诊断 王保义，杨韵洁，张少敏 （华北电力大学 控制与计算机工程学院，河北 保定 071003） 摘要: 油中溶解气体是变压器故障诊断的重要依据，为了融合以及扩充变压器油中溶解气体含量的特征信息，提高变压器故障诊断准确率，文中提出了改进BP神经网络的SVM（Support Vector Machine）变压器故障诊断方法。首先，通过改进的BP神经网络将5维的气体特征信息进行融合并扩充到128维；然后，在改进的BP神经网络中使用每层提取的特征向量作为SVM的输入对变压器故障进行诊断，增加改进的BP神经网络中诊断准确率较高的特征向量的权重；最后，选择累积权重最大的特征向量作为输入，使用SVM进行变压器的故障诊断。该方法经过多层神经网络的映射使提取的气体特征信息融合及扩充后具有更加明显的特征区别，从而可以有效的提高SVM的诊断准确率。