基于蟻群算法的變壓器故障診斷研究.pdf

1、電力變壓器是電力系統(tǒng)中最重要的設備之一，它的運行狀態(tài)直接影響到整個電網的輸變電狀態(tài)。在電力行業(yè)不斷發(fā)展的今天，由于諸多因素的影響，傳統(tǒng)的DGA方法已經無法準確地判別出變壓器的故障類型，滿足不了現今對變壓器故障判別準確率的要求。因此，DGA與智能方法結合的組合模型已成為變壓器故障診斷的一種必然發(fā)展趨勢。
　　目前，最常用的診斷方法是DGA與BP神經網絡的組合模型。在這一模型中，BP網絡本身存在的自適應學習、并行處理、聯(lián)想記憶和非線性

2、映射等特性可以完善普通DGA方法存在的缺陷。然而，若收集到的故障樣本數目過于龐大且對故障診斷的檢測精度要求較高時，BP網絡本身的缺陷將延長網絡達到收斂時所需要的時間，甚至使得網絡不收斂，易將局部最小值當作全局最優(yōu)值，從而導致故障診斷的準確率降低。所以，DGA與BP神經網絡的組合模型在變壓器故障診斷方面仍然存在不足，為了進一步完善該方法，有必要利用其它優(yōu)化方法對BP神經網絡進行改進。
　　蟻群算法(ACA)是一種新型的仿生態(tài)算法，它

3、具有全局優(yōu)化能力和啟發(fā)式搜索特性，將其與BP網絡結合可以改進BP網絡的性能。本文中提出利用ACA調節(jié)BP神經網絡權值，達到提高BP網絡性能的要求，并利用改進后的BP網絡對變壓器故障進行再診斷，以此驗證新方法的優(yōu)越性。首先構建出結構為5-8-5的BP神經網絡對變壓器進行仿真與故障識別，利用MATLAB編寫程序，得出結果，證明單純的BP神經網絡能夠對變壓器故障進行識別，但準確率不高。其次闡述利用ACA優(yōu)化BP網絡的基本原理，說明其核心思想就