基于人工神经网络和多频超声波检测技术的变压器油界面张力预测

论文摘要

绝缘油是油浸式变压器内部重要的液体绝缘介质,油的界面张力值与油的劣化程度密切相关。基于多频超声检测技术,建立了遗传算法（GA）优化的反向传播神经网络（BPNN）变压器油界面张力预测模型。以160组变压器油样为数据样本,其中150组为训练集,10组为预测集。基于不同界面张力的分子特性及多频超声波检测原理,以242维多频超声波检测数据为输入,变压器油界面张力为输出,通过试验法确定BP神经网络的隐层神经元个数为14,由此建立非线性映射关系,并用遗传算法优化BP神经网络的各层连接权值及阈值。研究结果表明:基于GA-BPNN的油界面张力预测模型的预测平均绝对百分比误差为9.76%,相比于传统的BPNN油界面张力预测模型,其预测结果与真实值拟合程度更高、误差更小。研究结果为基于多频超声波检测技术的变压器油界面张力等参量的监测奠定了基础。

论文目录

• 0引言
• 1 基于多频超声波技术的变压器油界面张力检测
• 2 遗传算法优化BP神经网络的变压器油界面张力预测方法
•   2.1 BP神经网络
•   2.2 遗传算法GA
•   2.3 GA-BPNN变压器油界面张力预测模型
• 3 实例分析
• 4 结论

文章来源

类型: 期刊论文

作者: 杨壮,周渠,赵耀洪,伍小冬,唐超,陈伟根

关键词: 变压器油,界面张力,多频超声波,反向传播神经网络,遗传算法

来源: 高电压技术 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 西南大学工程技术学院,重庆大学输配电装备及系统安全与新技术国家重点实验室,广东电网有限责任公司电力科学研究院

基金: 中国南方电网科技项目(GDKJXM20162065)~~

分类号: TM407

DOI: 10.13336/j.1003-6520.hve.20190924036

页码: 3343-3349

总页数: 7

文件大小: 1086K

下载量: 220