一种基于减聚类算法和QPSO的RBF神经网络在电力变压器故障诊断中的应用

摘要：

本文基于油中溶解气体分析法,采用RBF神经网络模型来对电力变压器进行故障诊断.为了提高诊断模型的辨识精度,分两步对RBF神经网络的模型参数进行辨识:首先采用减聚类算法,确定RBF神经网络隐层基函数的中心点;然后采用量子粒子群算法求解基函数的宽度以及输出的连接权重.仿真实验表明,本文提出的方法具有很好的诊断效果.

关键词： 电力变压器 故障诊断 RBF神经网络 量子粒子群算法

作者: 廖环宇

作者单位: 南京国电南自美卓控制系统有限公司,江苏南京 210032

会议类型: 国内会议

会议名称: 第六届江苏省电机工程青年科技论坛

会议地点: 南京

会议语种:中文

页码: 257-261

在线出版日期: 2013-10-01（万方平台首次上网日期，不代表论文的发表时间）