摘要
变压器绕组早期故障的诊断是实现安全生产、避免大事故的技术前提。由于变压器器身振动信号包含有丰富的信息,所以可以通过监测变压器振动信号来预估绕组的状况。笔者首先利用小波包分解原理将变压器振动信号分解到不同的频段中,然后计算各频段的能量熵值,并将其作为BP神经网络的输入向量,同时利用改进粒子群算法(IPSO)对BP神经网络进行优化。最后利用训练好的BP神经网络对变压器进行故障诊断。试验结果表明:与传统BP神经网络法和PSO-BP神经网络方法相比,该方法克服了BP神经网络的一些缺陷,具有较快的收敛速度和较高的诊断精度,对变压器绕组的早期故障具有良好的预测能力。
学科与关键词
关键词
变压器绕组振动信号改进粒子群算法神经网络故障诊断 transformerwindingvibration signalimproved particle swarm optimization(IPSO)neural networkfault diagnosis
- 基于邻域粒子群优化神经网络的变压器故障诊断贾嵘; 徐其惠; 李辉; 刘伟高压电器, 2008, (01): 8.
- 基于PNN神经网络和聚类分析的变压器故障诊断赵桂艳; 李一峰信息系统工程, 2015, (06): 94-95.
- 基于模糊神经网络的电力变压器故障诊断温阳东; 宋阳; 王颖鑫; 侯继光计算机测量与控制, 2013, (01): 39-41.
