加动量项且变学习速率的BP算法应用于变压器故障诊断.pdfVIP

第 33卷第1期 四 川 电 力 技 术 Vo1．33，No．1 2010年2月 SichuanElectricPowerTechnology Feb．。2010 加动量项且变学习速率的BP算法 应用于变压器故障诊断 许 虎 ，明志强，侯 勇 (南充电业局，四川 南充 637000) 摘 要：BP神经网络具有 自学习和自适应能力，非常适合于变压器故障诊断。分析 了加动量项BP算法和变学习速 率BP算法存在的不足，给出了加动量项且变学习速率的BP算法的原理和优点，减轻了网络训练过程中的振荡，加速 了网络的收敛。构造了适合于变压器油中溶解气体分析故障诊断的神经网络，并将训练所得的神经网络用于变压器 故障诊断，结果表明了该算法的有效性。 关键词：变压器；故障诊断；油色谱 ；神经网络；BP算法 Abstract：BPneur~ networkhastheself—learningandadaptiveability，SOitisverysuitableforfaultdiagnosisoftransform- er．BPalgorithmwithmomentumcansmoothouttheoscillationsinthenetworktrainingtrajectory，andBPalgorithmwithvari— ablelearningratecanchangethelearningrateadaptivelyaccordingtonetworkerrorsurface．Every algorithm canspeedupthe convergence，buttheprinciplesofthesetwoalgorithmsaredifferent．ThetwoalgorithmsarecombinedtobecomeaBPalgo— rithm withmomentum andvariablelearningrate．ThemodifiedBP algorithm hasthemeritsofthetwoalgorithms，SOitcan smoothouttheoscillationsandspeedupconvergenceofthenetworktraining．Theartificialneuralnetworkofrfaultdiagnosisof transformerisconstructed，andistrainedbythemodifiedalgorithm．Theresultsverifytheeffectivenessoftheproposedalgo— rithm． Keywords：transfomr er；faultdiangosis；chromatogram oftransformeroil；neuralnetwork；BPalgorithm 中图分类号：TM855 文献标志码：A 文章编号：1003—6954(2010)O1—0030—03 速网络的收敛，但是它们的原理是不同的。通过结合 0 前 言 了这两种算法，形成的BP算法不仅加入动量项而且 学习速率 自适应变化，该算法在避免网络训练振荡的 大型电力变压器是电力系统中至关重要的电气 同时提高了网络的收敛速度。 设备，搞好变压器的故障诊断对于电力系统安全稳定 1 加动量项 BP算法和变学习速率 BP 运行具有重要意义。油中溶解气体分析方法是诊断 算法 电力变压器故障的有效手段…，它对诊断变压器内 部故障十分有效。BP神经网络由于具有形成非线性