[发明专利]基于遗传算法优化神经网络的变压器故障诊断方法

摘要

本发明公开的基于遗传算法优化神经网络的变压器故障诊断方法，具体按照以下步骤实施：1）选取H2、CH4、C2H4、C2H6和C2H2作为故障的特征气体，将五种气体的组分含量作为神经网络的输入向量；2）将无故障、中低温过热、高温过热、低能量放电、高能量放电作为神经网络输出神经元，输出值为1表示属于上述五种状况之一，输出值越大表明属于上述五种状况的可能性越大；输出值为0表示不属于上述的五种状况；3）取C2H2/CH4、CH4/H2、C2H6/C2H4的比值归一化后作为输入矢量；4）选择激活函数；5）确定神经网络的隐含层数和神经元数；6）训练神经网络。本发明的变压器故障诊断方法不仅可有效的改善神经网络的收敛速度和收敛精度，而且提高了故障诊断的成功率、故障诊断的速度及准确率。

主权项

基于遗传算法优化神经网络的变压器故障诊断方法，其特征在于，具体按照以下步骤实施：步骤1，神经网络输入模式的确定：选取H2、CH4、C2H4、C2H6和C2H2这五种气体作为故障的特征气体，将这五种气体的组分含量作为神经网络的输入向量；步骤2，神经网络输出模式的确定：将无故障、中低温过热、高温过热、低能量放电、高能量放电作为神经网络输出层的五个输出神经元，这五个输出神经元分别对应O1、O2、O3、O4、O5，输出值最大为1，表示属于无故障、中低温过热、高温过热、低能量放电、高能量五种状况之一，输出值的数值越大表明属于上述五种状况的几率越大；输出值最小为0，输出值为0表示不属于上述的五种状况中的任何一种；步骤3，对神经网络输入层的数据进行预处理：经步骤1和步骤2确定好神经网络的输入层和输出层后，对步骤1中五种故障的特征气体作归一化处理，即取C2H2/CH4、CH4/H2、C2H6/C2H4的比值归一化后作为神经网络的输入矢量；步骤4，选择激活函数，其表达式为： f ( x ) = 1 1 + exp ( - x ) ; 步骤5，确定神经网络的隐含层数和隐含层神经元数：选择一个隐含层，通过调整隐含层神经元数提高网络性能，若输 出层的信号能达到网络误差的平方和的均值，则不考虑增加隐含层数；反之要增加隐含层数；步骤6，训练神经网络。