基于熵聚类蚁群模糊神经网络的变压器温升预测.pdfVIP

第 卷 第 期 Vol.45 No.6 45 6 年 月 TRANSFORMER 2008 2008 6 June 基于熵聚类蚁群模糊神经网络的变压器温升预测 舒服华 (武汉理工大学,湖北 武汉 430070) 提出了一种模糊神经网络的变压器温升预测模型。 摘要: 关键词:变压器;模糊神经网络;温升;预测 中图分类号: 文献标识码: 文章编号: ( ) TM406 B 1001-8425200806-0030-04 TransformerTemperatureRisePredictionBasedonFNN ofIn- formationEntropyClusteringandColonyOptimizationAlgorithm SHUFu-hua ( ) WuhanUniversityofTechnology,Wuhan430070,China : AbstractAfuzzyneuralnetworkmodleforthepredictionoftransformertemperatureris- ingispresented. : ; ; ; KeywordsTransformerFNN Temperaturerise Prediction 性的问题。笔者构造了一种变压器温升预测的模糊 1引言 神经网络模型,运用基于信息熵的 均值聚类及蚁 C 变压器的温升直接关系到变压器的使用寿命 群算法,对网络结构和参数进行优化,以此对变压 和运行的安全性。变压器热点的温升如超过允许的 器内部绕组的稳态温升分布进行预测,取得了比较 限值,不仅会影响变压器的使用寿命,还将对变压 满意的效果。 器的安全运行造成威胁。因此,准确计算和预测变 2模糊神经网络模型 压器内部的温升对早期诊断变压器故障,保证变压 器的连续安全运行十分重要。目前,对变压器温升 2.1 模糊神经网络结构 预测一般采用数学建模的方法,然而,由于变压器 在模糊系统中常用的模糊推理规则较多,笔者 结构复杂,影响温升的因素较多,且各种因素具有 采用T-S型模糊推理规则,它可用少量的模糊推理 不确定性和模糊性,使得建模工作复杂,计算量庞 规则生成较复杂的系统。T-S型模糊推理规则中,前 大,预测结果可靠性差。神经网络和模糊系统都是 提部分是模糊的,而结论部分是确定的,是各输入 处理不确定性和非线性问题的有效工具,它们以一 变量的线性组合。本文中设计的模糊神经网络按照 种不精确的方式处理比较精确的信息。神经网络模 各节点的不同运算分为 层,网络结构如图 所