IFA-PNN在电力变压器故障诊断中的应用

作者：宋玉琴; 张建^*

来源：测控技术, 2018, 37(12): 46-50.

DOI：10.19708/j.ckjs.2018.12.011

• 改进萤火虫算法(IFA)
• 概率神经网络(PNN)
• σ值
• 自适应步长
• 融合DGA

目前电力变压器故障分类模型中多是采用油中溶解气体分析(DGA)结合人工智能的方法,其中以神经网络为代表的智能方法应用最为广泛。提出一种基于改进的萤火虫算法(IFA)优化概率神经网络(PNN)的故障诊断方法。PNN结构简单,收敛速度快,但其中平滑因子对网络输出结果正确性影响较大,采用了IFA对平滑因子进行寻优。在标准萤火虫算法的基础上,将固定步长改为自适应步长,调整位置更新公式,不仅平衡局部搜索与全局搜索能力,也提高搜索的速度。此外,PNN对样本的代表性要求高,采用融合DGA算法实现输入数据的处理,有效降低了样本对分类结果的影响。通过实验数据验证,IFA-PNN算法可加快搜索的速度,提高诊断的精度,减小误差,分类效果明显,是一种有效的故障诊断方法。

• 单位
  西安工程大学