基于遗传算法的BP神经网络在变压器超高频局部放电模式识别中的应用-《考试周刊》(2011年63期).docx

龙源版权所有 基于遗传算法的BP神经网络在变压器超高频局部放电模式识别中的应用作者：王晓静来源：《考试周刊》2011年第63期 摘 要： 本文针对BP算法易陷入局部极小、收敛速度慢的缺点，根据遗传算法（Genetic Algorithms，GA）具有全局寻优的特点，将二者结合起来提出了一种混合算法：GA-BP算法，并将该算法成功应用于变压器超高频局部放电模式识别。将变压器油中局部放电超高频测量系统所得到的局部放电的特征量作为输入，分别用BP算法和混合算法进行模式识别。实验结果表明GA-BP算法具有收敛速度快、全局最优的优点，并且这种算法可以推广应用于其他实际系统中。 关键词： 变压器 局部放电 BP算法 遗传算法 模式识别 1.引言 随着电力系统的发展和电压等级、容量的不断提高，局部放电已经成为电力变压器绝缘劣化的重要原因，因而局部放电的检测也就成为变压器绝缘状况监测的重要手段［１］。变压器绝缘体系中的放电类型很多，不同的放电类型对绝缘的破坏作用有很大差异，因此有必要对各种放电类型加以区分，从而能够更好地进行变压器故障定位和故障处理。 人工神经网络自20世纪90年代开始就用于放电类型的模式识别，由于神经网络的结构类似于人类大脑的神经元，具有自学习的能力。因此在很多应用中取得了比较好的效果，但是它也存在局限性。由于利用梯度下降法全局寻优，因此网络收敛的速度很慢，而且常常会陷入局部极小点。 本文尝试用基于遗传算法的BP网络实现放电类型的模式识别，用遗传算法来实现全局優化以克服BP神经网络的局限性［２］，提高模式识别的准确度。最后，用所提出的基于遗传算法BP与一般BP进行比对。实验结果显示前者明显提高了模式识别的准确性及快速性，这对于进一步进行变压器故障定位和故障处理有重要意义。 2.试验原理及方法 首先我们引入纯BP神经网络。BP网络是一种单向传播的多层前向网络，通常具有三层或三层以上的神经网络，包括输入层、中间层（隐层）和输出层。以三层BP神经网络为例，设W为第j个输入到第i个隐层节点的连接权值，θ为隐层节点的阈值，W为第k个输出节点到第i个隐节点的连接权值，q为输出节点的阈值，O为输出层的输出。三层BP网络的结构如图1所示。 根据Kolmogorov定理，本文中选用的BP网络采用N×2N+1×M的三层网络结构。其中，N表示输入特征向量的···试读结束