基于改进粒子群优化神经网络的变压器故障有效诊断

Vol． 14 No． 2 第 14 卷 第 2 期 职教与经济研究 2016 年 6 月 Vocational Education and Economy Ｒesearch Jun ． ， 2016
基于改进粒子群优化神经网络的 变压器故障有效诊断
器故障诊断方法比较多， 如三比值法、 四比值法等， 为此， 有人提出采用粒子群优化 （ PSO ） 算法 调 整
0515 收稿日期： 2016作者简介： 乔维德（ 1967- ） ， 男， 江苏宝应人， 工程硕士， 教授。研究方向： 电气自动化、 智能控制、 高职教育等。
总第 50 期 乔维德： 基于改进粒子群优化神经网络的变压器故障有效诊断 · 55· 断， 但由于寻优过程中会出现“早熟 ” 现象而陷入 也直接影响变压器故障的准确诊断 。 鉴 局部最优， 于此， 为提高电力变压器的故障诊断性能， 本文对 标准的 BP 算法和粒子群优化算法进行一定的改 进， 并 将 改 进 粒 子 群 优 化 （ IPSO ） 算 法 与 改 进 BP 建立并优化变压器故障诊断的神经网络模型 ， 以全 面提高变压器故障诊断的快速性、 准确性和全局搜 索能力。 1 IBP 及 IPSO 算法 考虑传统 BP 算法容易陷入局部极小且产生局 部振荡， 对 BP 算法作必要改进， 使用基于动量和自 适应学习的 IBP 算法， 如公式 （ 1 ） 和 （ 2 ） 所示。 增 加入自适应学习， 以不断修正学习率， 防止学习率 过小或过大、 收敛速度过慢而引起的系统振荡甚至 发散。 （ 1） （ 2）
乔维德
（ 无锡开放大学， 江苏 无锡 214011 ） 摘 要： 在分析传统误差反向传播（ BP） 算法和标准粒子群优化（ PSO） 算法的特征及其问题基础上， 提出一种改进粒 IBP 混合算法的电力变压器神经网络故障诊断模型 。 通过 85 子群优化（ IPSO） 算法和改进 BP（ IBP） 算法， 建立基于 IPSO组训练样本和 16 组测试样本的仿真对比分析， 该方法能够实现电力变压器不同故障的有效诊断， 提高电力变压器故障模 式的识别能力， 故障诊断准确率高， 故障诊断速度快。 IBP； 故障诊断 关键词： 电力变压器； IPSOTN7 中图分类号： 文献标识码： A 文章编号： （ 2016 ） 02 － 0054 － 05
0
引言
着人工智能技术的不断成熟与发展 ， 变压器的故障 诊断技术已步入智能化时代。例如， 通过分析变压 （ BPNN） 来识别和诊断变压器的运行状态与故障， 这已成为目前变压器故障智能诊断中比较成熟的 方法。然而， 标准的 BP 算法收敛速度慢、 极易陷入 局部最优解， 从而降低变压器故障诊断的准确率。 BP 神经网络权值阈值策略进行变压器的故障诊
（ IBP） 算法相融合， IBP 混合算法， 加动量项可以减小 BP 网络学习过程出现的振荡； 形成基于 IPSO-
ω ij （ t + 1 ） = ω ij （ t） + η（ t + 1 ） δ（ t） O i （ t） + α ω ij （ t） － ω ij （ t － 1 ） [ η（ t － 1 ） O i （ t － 1 ） ] ＜ 0 η （ t + 1 ） nη （ t ） [ η （ t ） O i （ t ） ] ， [ δ（ t － 1 ） O i （ t － 1 ） ] = 0 η（ t） [ δ（ t） O i （ t） ] ， 络层神经元输入信号。 （ 2 ） 式中， （ 1） 、 α 是动量因子， 后面与其相乘 且 0 ＜ n ＜ m； η 项是加入的动量项； m 与 n 为常数， 为不断修正的学习率 （ 或步长 ） ； ω ij 是一个权重矩 阵， 反映网络层之间的连接； i 和 j 分别代表 i 层和 j 层神经元数目； δ 为网络层神经元的误差； O i 为网 V i d（ t + 1 ） = ωV id （ t） + C1 * Ｒ1 * （ P id － X id （ t） ） + C2 * Ｒ2 * （ G d － X id （ t） ） X id （ t + 1 ） = X id （ t） + V id （ t + 1 ） （ 4 ） 式中， i = 1， 2 ，… n， d = 1， 2， … D； n 为 （ 3） 、 粒子群规模； t 表示迭代次数； D 为搜索空间的维 数； X id （ t） 是粒子第 t 代时的当前位置； V id （ t ） 是粒 子第 t 代时的速度； P id 表示粒子 i 的个体极值点位 置； G d 表示整个群体全局极值点位置； ω 是能让粒 C1 、 C2 定义为加速或 子维持运动惯性的惯性权重， 学习因子， 它们各自调整向全局和向个体最优粒子 ω=
Transformer Fault Diagnosis Based on Neural Network with Improved Particle Swarm Optimization
QIAO Weide
（ Wuxi Open University， Wuxi Jiangsu 214011 ） Abstract： Based on the analysis of characteristics and p back propagation （ BP ） algorithm and standard particle swarm optimization （ PSO） algorithm， this paper proposes an improved particle swarm optimization （ IPSO） algorithm and improved BP （ IBP ） algorithm，establishes the model of neural network for power transformer fault diagnosis based on IPSOIBP hybrid algorithm． By simulation comparison and analysis of 85 groups training samples and 16 groups test samples，the method can realize effective diagnosis to different power transformer fault ，improve the recognition ability of power transformer fault mode， it has high accuracy and fast speed of fault diagnosis． Key words： power transformer； IPSOIBP； fault diagnosis
电力变压器是电力系统中最重要的电力设备 ， 器油中溶解气体含量， 应用误差反向传播神经网络 它的工作状态直接影响整个电力系统的安全稳定 运行及经济效益， 而电力变压器的故障诊断能有利 于降低电力设备维修成本， 减少因变压器故障造成 不必要的经济损失和安全事故。 传统的电力变压 但因为存在编码不全、 误判率高而渐渐被淘汰。 随