基于改进PGSA-BP神经网络的电力变压器故障综合诊断仿真研究

文中阐述了电力变压器故障诊断的机理及其特征、人工智能技术在变压器故障诊断中的应用和国内外发展概况,分析了电力变压器故障产生的原因、现象和机理间的非线性关系,提出了采用PGSA结合神经网络对变压器故障类型进行诊断的方法。文中从研究PGSA(模拟植物生长算法)本身算法的原理特征及存在的不足出发,引入文化算法对其进行改进,设计出文化算法改进PGSA的结构图与模型,为之后进行改进PGSA神经网络进行变压器故障类型诊断提供了理论支撑。改进PGSA在搜索过程中获取和积累有关的搜索空间知识,并自动地控制搜索过程来求得全局最优解,最后结合神经网络应用于变压器故障诊断研究。文中针对该故障诊断模型,建立5-16-5结构的BP神经网络故障诊断模型,调用MATLAB7.2神经网络工具箱进行了实验仿真。实验结果表明,改进PGSA优化BP神经网络用于变压器故障诊断能有效的提高诊断速度及准确率,克服传统神经网络在训练时间与精确度上的不足,该方法提高了变压器典型故障的诊断性能,并能有效的在线跟踪直接发现变压器潜在故障,具有较好的应用价值。为了满足电力变压器故障综合诊断的要求,文中还围绕变压器电气特征量法对变压器绕组内部故障诊断进行了研究,建立了变压器绕组的辨识数学模型,并在Simulink环境下建立仿真电路模型进行实验仿真。结果表明,利用绕组故障前后的参数变化率可以大概判断出绕组是否发生故障及故障定相,提高故障诊断的综合实用性。