科研之友
微信
新浪微博
Facebook
分享链接
摘要
绝缘油是油浸式变压器内部重要的液体绝缘介质,油的界面张力值与油的劣化程度密切相关。基于多频超声检测技术,建立了遗传算法(GA)优化的反向传播神经网络(BPNN)变压器油界面张力预测模型。以160组变压器油样为数据样本,其中150组为训练集,10组为预测集。基于不同界面张力的分子特性及多频超声波检测原理,以242维多频超声波检测数据为输入,变压器油界面张力为输出,通过试验法确定BP神经网络的隐层神经元个数为14,由此建立非线性映射关系,并用遗传算法优化BP神经网络的各层连接权值及阈值。研究结果表明:基于GA-BPNN的油界面张力预测模型的预测平均绝对百分比误差为9.76%,相比于传统的BPNN油界面张力预测模型,其预测结果与真实值拟合程度更高、误差更小。研究结果为基于多频超声波检测技术的变压器油界面张力等参量的监测奠定了基础。
- 单位
