文献类型：期刊文章

作　　者：贾亦敏[1] 史丽萍[1] 严鑫[2]

JIA Yimin;SHI Liping;YAN Xin(School of Electrical and Power Engineering,China University of Mining and Technology,Xuzhou 221116,Jiangsu,China;Shibei Power Supply Branch,Shanghai Municipal Electric Power Company,Shanghai 200940,China)

机构地区：[1]中国矿业大学电气与动力工程学院,江苏徐州221116 [2]国网上海市电力公司市北供电公司,上海200940

出　　处：《河南理工大学学报（自然科学版）》

基　　金：教育部科学技术研究重大项目(311021);高等学校博士学科点专项科研基金资助项目(20110095110015)

年　　份：2019

卷　　号：38

期　　号：2

起止页码：103-109

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对油浸式变压器故障类型的复杂难辨,结合油中气体分析法,提出一种基于改进人工鱼群算法优化小波神经网络的故障诊断模型。基于经典三层小波神经网络,采用粒子化的人工鱼群算法对小波神经网络输入和输出层的权值、小波神经元的伸缩和平移系数进行修正,通过引入动态反向学习策略实时优化人工鱼分布,迭代后半程采用基于柯西分布的自适应人工鱼视野范围提高算法精度。结果表明,该改进鱼群算法优化的小波神经网络相比标准粒子群算法优化小波神经网络和标准鱼群算法优化小波神经网络,诊断速度更快,准确率更高。

关 键 词：变压器 故障诊断 小波神经网络 改进人工鱼群算法 粒子群优化算法 动态反向学习策略  

分 类 号：TM411]