论文摘要
为了解决变压器故障诊断中诊断效率低的问题,对萤火虫算法(FA)进行了改进,并与小波神经网络(WNN)相结合应用于变压器故障诊断中。小波神经网络结构简单、预测精度高、收敛速度快,但是网络参数不好选择,易陷入局部最优。结合混沌算法、粒子群算法、可变步长的思想来改进萤火虫算法,用于优化小波神经网络的参数,再将处理后的数据代入神经网络中进行训练与诊断。实验结果表明,该算法与BP神经网络、支持向量机、小波神经网络、遗传算法改进的小波神经网络和粒子群算法改进的小波神经网络相比诊断正确率均有所提高。
论文目录
文章来源
类型: 期刊论文
作者: 郝玲玲,朱永利
关键词: 变压器,故障诊断,萤火虫算法,小波神经网络
来源: 科学技术与工程 2019年31期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 华北电力大学控制与计算机工程学院
基金: 国家自然科学基金(5167702)资助
分类号: TP18;TM41
页码: 156-161
总页数: 6
文件大小: 241K
下载量: 217
相关论文文献
- [1].基于深度置信网络和多维信息融合的变压器故障诊断方法[J]. 电力工程技术 2019(06)
- [2].基于人工蜂群算法优化支持向量机的变压器故障诊断[J]. 科技创新与应用 2020(02)
- [3].堆栈稀疏降噪自编码网络在变压器故障诊断中的应用[J]. 中国科技论文 2019(11)
- [4].基于模糊关系与自组织竞争网络的变压器故障诊断[J]. 科技创新与应用 2020(08)
- [5].基于混沌粒子群优化核极限学习机的变压器故障诊断方法[J]. 微处理机 2020(02)
- [6].基于加权中智C均值算法的变压器故障诊断模型[J]. 水电能源科学 2020(05)
- [7].基于色谱分析的变压器故障诊断[J]. 甘肃科技 2020(12)
- [8].一种基于深度收缩自编码网络的变压器故障诊断方法[J]. 科技创新导报 2020(16)
- [9].基于深度森林的变压器故障诊断方法[J]. 电力科学与工程 2020(09)
- [10].电力变压器故障诊断及检修探讨[J]. 无线互联科技 2020(13)
- [11].综合三比值特征量与帝国竞争优化支持向量机的变压器故障诊断模型[J]. 广西电力 2019(03)
- [12].红外激光光谱分析的变压器故障诊断[J]. 激光杂志 2016(11)
- [13].混合神经网络在变压器故障诊断中的应用[J]. 电子测量与仪器学报 2017(01)
- [14].基于混合算法与支持向量机的电力变压器故障诊断[J]. 电气开关 2017(03)
- [15].在线检测装置在变压器故障诊断中的应用[J]. 当代化工研究 2017(05)
- [16].电力变压器故障诊断方法初探[J]. 能源技术与管理 2017(04)
- [17].基于机器学习的电力变压器故障诊断的研究进展[J]. 电子世界 2017(15)
- [18].变压器故障诊断中的神经网络技术发展[J]. 宜宾学院学报 2015(12)
- [19].基于支持向量机的变压器故障诊断研究[J]. 电气开关 2016(02)
- [20].论电力变压器故障诊断方法[J]. 科技展望 2014(18)
- [21].关于发电厂变压器故障诊断及处理措施思考[J]. 科技与企业 2015(02)
- [22].变压器故障诊断技术探析[J]. 中国新技术新产品 2015(08)
- [23].基于可拓理论的变压器故障诊断[J]. 电气开关 2015(02)
- [24].模糊支持向量机在变压器故障诊断中的应用[J]. 电测与仪表 2015(08)
- [25].改进型三比值法在变压器故障诊断中的应用[J]. 水电站机电技术 2015(08)
- [26].基于神经网络的变压器故障诊断研究[J]. 数字技术与应用 2015(08)
- [27].电力变压器故障诊断方法应用[J]. 通讯世界 2015(15)
- [28].基于灰狼算法优化支持向量机的变压器故障诊断[J]. 信息技术与信息化 2020(11)
- [29].基于多层向量机的变压器故障诊断[J]. 机电信息 2020(35)
- [30].基于数据清洗和知识迁移的变压器故障诊断模型[J]. 电工电能新技术 2020(01)