基于SA-PSO优化自适应PNN网络的变压器故障诊断研究

作者：郑凯; 袁丹; 刘剑清; 彭道刚; 张浩

来源：计算机测量与控制, 2014, (04): 1015-1017.

DOI：10.16526/j.cnki.11-4762/tp.2014.04.044

• 变压器故障诊断
• 自适应概率神经网络
• 粒子群优化算法(PSO)
• 模拟退火算法(SA) transformer fault diagnosis
• adaptive probabilistic neural network
• particle swarm optimization algorithm(PSO)
• simulated annealing algorithm(SA)

概率神经网络中反映整个样本空间的平滑因子σ常以经验取值,缺乏足够的理论依据;对此提出一种自适应概率神经网络变压器故障诊断模型,针对作为自适应概率神经网络的激励函数的高斯函数,采用基于模拟退火思想的改进粒子群算法(SA-PSO)优化其平滑因子σ,从而提高概率神经网络诊断的识别率;通过搜集到92组故障数据进行仿真分析,其结果表明引入模拟退火过程后,粒子群算法的局部搜索能力得到了改善,并且使得SA-PSO算法优化下的自适应概率神经网络相对于单一PSO算法在变压器故障的诊断准确率上得到了较大程度的提高,从而保证变压器的安全可靠运行。

• 出版日期2014
• 单位上海电力大学