基于概率神经网络的电力变压器故障诊断.pdf

维普资讯 第34卷 第3期 继 电器 Vo1．34 No．3 2006年2月 1日 RELAY Feb．1，2006 9 基于概率神经 网络的电力变压器故障诊断 曹永刚，周 玲 ，丁晓群 ，马文静 (河海大学电气工程学院，江苏 南京 210098) 摘要：提 出了一种基于概率神经网络的变压器故障诊断方法，并用遗传算法优化概率神经网络的平滑因子， 从而提高概率神经网络诊断的正确率。结果表明，实际的油色谱数据验证了此变压器故障诊断方法的可行性 和正确性 。 关键词 ：电力变压器； 概率神经网络； 故障诊断； 遗传算法 中图分类号：TM41 文献标识码：A 文章编号：1003-4897(2006)03-0009-03 将样本完全不变地传给隐含层的各个节点；隐含层 0 引言 首先将输入节点传来的输入进行加权求和，然后通 电力变压器是 电力系统中重要的电气设备之 过非线性算子 =exp(一net／o：)运算后传给输出 一 ， 它一旦发生事故，所需的修复时间较长，造成的 层，其 中 为平滑系数；输 出层对隐含层传输来的 影响也 比较严重 。要使变压器安全运行，提高供电 数据进行累加，通过计算隐含层输 出概率综合来计 可靠率，除了采用技术过硬、产品质量好的变压器 算最终输出值。 外，关键是要不断提高变压器运行、维护和检修水 平。故障诊断技术为此提供了一种有效的手段。 在变压器故障诊断技术上，有学者提出了基于油 色谱的BP神经网络_1的诊断方法，基于模糊数学和 灰色理论的诊断方法等方法，并对它们进行了相应的 改进 ，目的都是为了提高故障诊断的精度。 1 概率神经网络的故障诊断法 概率神经网络 是D．F．Specht博士在 1989年 首先提出的，它是一种结构简单、训练简洁、应用相 图 1 概率神经网络结构图 当广泛的人工神经网络，在实际应用中，尤其是在解 Fig．1 ArchitectureofthePNN 决分类问题的应用 中，它的优势在于用线性学习算 法来完成以往非线性学习算法所做的工作，同时又 1．2 概率神经网络的学习训练过程 能保持非线性算法的高精度等特性；这种网络对应 1．2．1 权值的确定 的权值就是模式样本的分布，网络不需要训练，因而 概率神经网络根据学习样本的特征及期望输 能够满足训练上实时处理的要求。 出，即可直接获得网络隐层单元的连接权值。输入 基于概率神经网络的故障诊断方法实质上是利 层至隐含层之间的权值矩阵为： 用概率神经网络模型的强大的非线性分类能力，将 w = (k)，(i=1，2，…，Ⅳ) 故障样本空间映射到故障模式空间中，从而形成一 其中：WⅢ=[加 ]， ； 个具有较强容错能力和结构 自适应能力的诊断网络 X(k)=[ (k)，…， (k)，…， (k)]。 系统。 隐含层至输出层之间的权值矩阵为： 1．1 概率神经网络模型 。 』，．j}∈类型1 ： 图1即为概率神经网络结构图，它由输入层、隐