一种变压器绕组热点温度预测的神经网络改进方法
BP神经网络算法具有成本少、复杂性小、准确度高、可靠性好等优点,能很好地应用于变压器绕组热点温度的预测.但BP 神经网络存在输入参量较多、输入参量之间存在相关性、训练网络时存在局部最小点、学习算法的收敛速度慢等缺点,论文运用Kalman 数字滤波从观测值得到输入参量的真实值,用主成分分析法消除输入参量之间的相关性,采用Levenberg-Marquardt算法改善其收敛速度,得到了变压器绕组热点温度预测的神经网络改进模型,通过模拟实测与BP 神经网络模型、改进模型预测对比,证实了改进模型的有效性.
变压器 绕组结构 热点温度 预测模型 神经网络
奚红娟 冯浩 郑贺伟
国网重庆长寿供电公司,重庆长寿,401220
国内会议
成都
中文
1-6
2013-11-20（万方平台首次上网日期，不代表论文的发表时间）