科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对变压器故障诊断精度低的问题，提出了一种多策略改进麻雀算法(MISSA)与双向长短时记忆网络(BiLSTM)的变压器故障诊断模型。基于油中溶解气体分析(DGA)技术，结合无编码比值方法提取变压器9维故障特征作为模型输入进行网络训练，输出层采用Softmax函数得到故障诊断类型；采用Logistic混沌映射、均匀分布的动态自适应权重以及动态拉普拉斯算子来对麻雀搜索算法(SSA)进行改进；在初始解集内，利用MISSA对目标超参数进行寻优，使变压器故障诊断精度最优，并结合核主成分分析(KPCA)对故障特征指标降维，加快模型收敛速度。结果表明，提出的模型诊断精度为94%与PSO-BiLSTM、GWO-BiLSTM和SSA-BiLSTM故障诊断模型相比，分别提高了11.33%、8.67%、6%,验证了本文方法能够有效地提高变压器的故障诊断性能。
- 单位
