基于SA-KM算法和RBF神经网络的变压器故障诊断模型研究

论文摘要

针对目前变压器故障诊断手段匮乏、效果欠佳的问题,提出了基于模拟退火思想的改进K-means聚类（SA-KM）算法和径向基（RBF）神经网络相结合的变压器故障诊断方法。以变压器故障时的油中溶解气体分析技术为基础,通过SA-KM算法分别优化了RBF神经网络的学习中心,宽度阈值和连接权值的初始取值,从而优化了网络结构,再利用大量实例数据进行训练学习,建立了基于SA-KM-RBF算法的变压器故障诊断网络模型。仿真试验表明,该模型的故障诊断正确率高达91.43%,拥有非常广阔的应用前景。

论文目录

• 1 基于SA的改进K-means聚类算法
• 2 RBF神经网络
• 3 变压器故障诊断模型的建立
• 4 实例分析
•   4.1 建立变压器故障模型
•   4.2 仿真试验
• 5 结语

文章来源

类型: 期刊论文

作者: 郑文光,王爱军,王冠,张潇文

关键词: 故障诊断,变压器,溶解气体分析技术,模拟退火,聚类,径向基函数神经

来源: 自动化与仪表 2019年12期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业,自动化技术

单位: 华北电力大学电力工程系,唐山市气象局,唐山师范学院资源管理系

基金: 唐山市气象局科研开发项目(18ky02ts)

分类号: TP183;TM407

DOI: 10.19557/j.cnki.1001-9944.2019.12.016

页码: 80-83+91

总页数: 5

文件大小: 360K

下载量: 140