摘要
为了深入研究变压器油纸绝缘老化状态与极化/去极化电流的内在联系,提出一种基于鸡群优化BP神经网络的变压器中油纸绝缘系统老化程度的预测方法。首先研究聚合度与扩展Debye模型的参数之间的关系。针对环境温度改变时,极化/去极化电流发生变化导致扩展Debye模型参数不能正确地反应油纸绝缘的老化状态的问题,训练BP神经网络拟合去极化电流和油纸聚合度间的关系,以消除环境温度变化带来的误差,实现不同温度下的油纸绝缘老化预测。然后针对BP神经网络收敛速度慢、预测效率低问题,采用鸡群算法优化BP神经网络的权值和阈值。此方法不仅加快网络的收敛速度,而且有效避免了算法寻优时易陷入局部最优解的现象。最后,针对此方法进行仿真分析。仿真结果证明,此方法能够校正环境温度误差对极化/去极化电流的影响,实现油纸聚合度的预测,具有较高的准确性。
-
单位国网吉林省电力有限公司四平供电公司; 上海交通大学