文献类型：期刊文章

作　　者：赵玲玲[1,2] 王群京[2,3] 陈权[1,4] 汪伟[5]

ZHAO Ling-ling;WANG Qun-jing;CHEN Quan;WANG Wei(School of Electrical Engineering and Automation,Anhui University,Hefei 230601,China;National Engineering Laboratory of Energy-saving Motor&Control Technique,Anhui University,Hefei 230601,China;Power Quality Engineering Research Center,Ministry of Education,Anhui University,Hefei 230601,China;Anhui Key Laboratory of Industrial Energy-Saving and Safety,Anhui University,Hefei 230601,China;New Smart City High-Quality Power Supply Joint Laboratory of China Southern Power Grid(Shenzhen Power Supply Co.,Ltd.),Shenzhen 518020,China)

机构地区：[1]安徽大学电气工程与自动化学院,安徽合肥230601 [2]高节能电机及控制技术国家地方联合工程实验室,安徽大学,安徽合肥230601 [3]教育部电能质量工程研究中心,安徽大学,安徽合肥230601 [4]工业节电与用电安全安徽省重点实验室,安徽大学,安徽合肥230601 [5]南方电网公司新型智慧城市高品质供电联合实验室(深圳供电局有限公司),广东深圳518020

出　　处：《电工电能新技术》

基　　金：国家自然科学基金项目(51637001);安徽省自然科学基金(1808085ME113);南方电网公司科技项目(090000KK52190169/SZKJXM2019669)。

年　　份：2021

卷　　号：40

期　　号：9

起止页码：39-46

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为提高变压器故障诊断准确率,提出基于IBBOA优化BP神经网络的变压器故障诊断模型。在IBBOA-BP模型中,引入自适应权重,协调BBOA的全局和局部搜索能力;增加变异算子,提高蝴蝶种群的多样性,避免蝴蝶个体陷入局部最优。通过IBBOA优化BP神经网络的权值和阈值,避免BP神经网络出现易早熟问题,提高变压器故障诊断模型的准确性。且利用测试函数,通过与PSO、BOA对比,证明IBBOA算法具有更好的全局寻优能力、精确度和收敛速度。仿真计算表明,IBBOA-BP模型的变压器故障诊断正确率比PSO-BP和BOA-BP诊断模型正确率分别提高10.4477%和5.9701%。

关 键 词：变压器 故障诊断  蝴蝶优化算法  自适应权重 变异算子

分 类 号：TM41]