改进人工鱼群算法优化小波神经网络的变压器故障诊断
贾亦敏1
史丽萍1
严鑫2
1.中国矿业大学 电气与动力工程学院,江苏 徐州,2211162.国网上海市电力公司 市北供电公司,上海,200940
摘要：针对油浸式变压器故障类型的复杂难辨,结合油中气体分析法,提出一种基于改进人工鱼群算法优化小波神经网络的故障诊断模型.基于经典三层小波神经网络,采用粒子化的人工鱼群算法对小波神经网络输入和输出层的权值、小波神经元的伸缩和平移系数进行修正,通过引入动态反向学习策略实时优化人工鱼分布,迭代后半程采用基于柯西分布的自适应人工鱼视野范围提高算法精度.结果表明,该改进鱼群算法优化的小波神经网络相比标准粒子群算法优化小波神经网络和标准鱼群算法优化小波神经网络,诊断速度更快,准确率更高.
关键词：变压器故障诊断小波神经网络改进人工鱼群算法粒子群优化算法动态反向学习策略
分类号：TM411(变压器、变流器及电抗器)
资助基金：教育部科学技术研究项目(311021)高等学校博士学科点专项科研基金(20110095110015)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 103-109 )
英文信息