变压器绝缘故障类型的改进型RBF神经网络识别算法_李浩

第5期DOI：10.13234/j.issn.2095-2805．2018．5.167中图分类号：TM41文献标志码：A变压器绝缘故障类型的改进型RBF神经网络识别算法李浩，王福忠，王锐（河南理工大学电气工程与自动化学院，焦作454000）摘要：为精确诊断电力变压器内部潜在绝缘故障类型，通过对变压器内部油过热和油纸绝缘中局部放电等8种潜在绝缘故障发生时所产生的气体成分分析，提出了一种以人工免疫网络与粒子群算法改进径向基函数RBF（radialbasisfunction）神经网络的变压器故障诊断算法。重点介绍了基于RBF神经网络的变压器故障诊断模型的构成原理、基于人工免疫网络算法的故障模型隐层中心确定方法以及基于粒子群算法的网络模型权重寻优方法，并进行了仿真实验。实验结果表明：该算法能有效地识别其绝缘故障类型，且识别精度可达90%以上。关键词：电力变压器；故障诊断；RBF神经网络；人工免疫网络；粒子群优化算法IdentificationAlgorithmforTransformerInsulationFaultTypesBasedonImprovedRBFNeuralNetworkLIHao，WANGFuzhong,WANGRui（SchoolofElectricalEngineeringandAutomation,HenanPolytechnicUniversity,Jiaozuo454000,China）Abstract：Toaccuratelydiagnosetheinternallatentfaulttypesofapowertransformer,anovelradialbasisfunction（RBF）neuralnetworkalgorithmisproposedbyanalyzingthegasproductionundereightlatentinternalinsulationfaulttypes,suchasoiloverheatingandpartialdischarginginoilpaperinsulation.Thisalgorithmisimprovedbyartificialimmunenetworkalgorithmandparticleswarmoptimizationalgorithm.Thispaperfocusesont