基于改进PSO-BP神经网络和D-S证据理论的大型变压器故障综合诊断

被引：43

作者：

魏星 ^{[1
]}

舒乃秋 ^{[1
]}

崔鹏程 ^{[1
]}

吴波 ^{[2
]}

机构：

[1] 武汉大学电气工程学院

[2] 浙江省送变电工程公司

来源：

电力系统自动化 | 2006年 / 07期

关键词：

电力变压器; 故障诊断; 信息融合; 改进粒子群算法; D-S证据理论;

D O I：

暂无

中图分类号：

TM407 [维护、检修];

学科分类号：

080801 ;

摘要：

阐述了已有变压器故障诊断方法的不足,并将信息融合的基本思想引入变压器故障诊断中。针对电力变压器故障综合诊断的特点和要求,运用改进粒子群优化-反向传播(PSO-BP)算法训练神经网络并结合D-S证据理论,提出了一种基于信息融合技术的变压器故障综合诊断决策模型。该模型以油中溶解气体色谱分析为基础,结合变压器常规电气试验结论与现场运行、维修经验,得出了较为可靠的诊断结果,实例验证也证明了该方法的有效性。

引用

页码：46 / 50

页数：5

共 10 条

[1] 贝叶斯分类器与粗糙集相结合的变压器综合故障诊断 [J].