基于遺傳算法的小波網(wǎng)絡在變壓器故障診斷中的應用研究.pdf

1、電力變壓器是電力系統(tǒng)中最重要的電氣設備之一，它的運行情況直接影響著電力系統(tǒng)的安全與穩(wěn)定。如何及時、準確地發(fā)現(xiàn)變壓器內部的早期故障，已成為高壓電氣設備故障診斷研究的一個重要方向。本文首先對電力變壓器的故障及其診斷技術進行了全面的分析研究，歸納出了電力變壓器發(fā)生故障的原因和變壓器發(fā)生故障及具有故障隱患時表現(xiàn)出的各種異常征兆，詳細介紹了變壓器定期和不定期故障檢測的方法，特別是能鑒別變壓器內部初始故障隱患的油中溶解氣體分析(DGA)技術。接著綜

2、合分析了遺傳算法、人工神經(jīng)網(wǎng)絡及小波變換的基本理論、運行機理及各自的優(yōu)、缺點。BP網(wǎng)絡由于Sigmoid函數(shù)自身的特性，實際上這種神經(jīng)網(wǎng)絡只是一個次優(yōu)網(wǎng)絡，有待于改進；BP算法采用誤差函數(shù)梯度下降的方式進行迭代，收斂速度很慢，并且極易陷入局部極值，而且具體的極值位置與權值的初始化數(shù)值密切相關。傳統(tǒng)的遺傳算法，類似于窮舉的啟發(fā)式搜索，雖是全局尋優(yōu)，但不可避免會引起搜索時間過長。本文針對具體問題研究、設計了一種基于GA-WANN的故障診斷模

3、型。該模型先采用遺傳算法對小波網(wǎng)絡中的參數(shù)進行了優(yōu)化學習，接著采用了BP算法對網(wǎng)絡進行了訓練。對所采用的遺傳算法，在分析了遺傳算法的機理和基本算法的基礎上，結合實際情況，運用實數(shù)編碼，采用通過自適應調整的交叉概率和變異概率，使遺傳算法既能在廣泛的空間進行搜索，又能向著解的方向盡快收斂。仿真結果表明該算法有效地解決了小波網(wǎng)絡若初值設置不合理，則極易進入局部極小的區(qū)域、以致網(wǎng)絡振蕩不收斂、而GA算法獨立訓練神經(jīng)網(wǎng)絡速度緩慢等缺點，診斷的精確