论文摘要
针对变压器故障诊断中BP神经网络存在收敛速度慢、易陷入局部极小值等问题,提出组合蚁群算法（Combined ACO,CACO）以优化BP神经网络的权值和阈值,加快神经网络的收敛速度并实现全局最优。该方法将带精英策略的蚂蚁系统与最大-最小蚂蚁系统进行结合,对精英蚂蚁信息素轨迹量值域范围进行区间限制,有效地解决了各信息素轨迹之间差异过大的问题,避免了局部最优和早熟收敛,提高了算法的全局搜索能力,克服了常规BP算法训练神经网络在变压器故障诊断中存在的不足。实例验证表明,CACO神经网络比BP神经网络减少了96%的迭代次数,并且在故障诊断方面,CACO神经网络的准确率达到了93.9%,远远高于BP神经网络的78.5%。
论文目录
文章来源
类型: 期刊论文
作者: 曾植,张寒,杨廷方,曾祥君,曾程
关键词: 变压器,故障诊断,神经网络,组合蚁群算法,信息素
来源: 电气应用 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 长沙理工大学电气与信息工程学院,国网湖南省电力公司检修公司
基金: 国家自然科学基金项目(51737002)
分类号: TM40;TP18
页码: 43-49
总页数: 7
文件大小: 1696K
下载量: 114