一种基于改进粒子群优化算法的变压器故障诊断方法技术

本发明专利技术公开了一种基于改进粒子群优化算法的变压器故障诊断方法，包括：获取变压器的油气色谱含量和故障类型，作为样本数据；利用所述样本数据对预先构建的GRNN网络进行训练；利用改进后的粒子群算法对训练后的GRNN网络的参数进行优化，得到最终的故障诊断模型；利用最终的故障诊断模型对变压器的实时数据进行诊断，判断变压器是否存在故障，并输出故障类型。本发明专利技术训练收敛速度快，且能够对变压器的综合性故障进行准确诊断。的综合性故障进行准确诊断。的综合性故障进行准确诊断。

【技术实现步骤摘要】
一种基于改进粒子群优化算法的变压器故障诊断方法


[0001]本专利技术涉及变压器故障诊断
，更具体的说是涉及一种基于改进粒子群优化算法的变压器故障诊断方法。

技术介绍

[0002]随着社会经济发展和综合国力提升，电力设备系统的稳定运行直接关系到未来国家的发展和建设。而变压器在整个输电系统和配电系统中扮演着重要角色，其运行状态直接关系到整个电力设备系统的稳定运行。一旦出现变压器运行故障，不仅会威胁到输电系统和配电系统的安全，还会对一些生产、加工等相关企业的效益产生一定的影响，从而给企业带来无法估量的经济损失。如果出现变压器严重性故障，甚至会对工作人员的生命安全构成威胁，所以，监督相关人员将变压器故障诊断工作落实到位是极为重要的，这对保障整个电力系统设备的安全运行，以及人民生命财产不受威胁具有重要意义。
[0003]目前对变压器进行故障诊断的方法和决策主要有以下几种：(1)电气量感知技术，通过电压、电流的检测，可以获取变压器各部件的相关数值等，从而判断设备内部的绝缘状态。其中包含检测变压器铁芯接地电流的方法与高频局部放电法，以及主要检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进粒子群优化算法的变压器故障诊断方法，其特征在于，包括：获取变压器的油气色谱含量和故障类型，作为样本数据；利用所述样本数据对预先构建的GRNN网络进行训练；利用改进后的粒子群算法对训练后的GRNN网络的参数进行优化，得到最终的故障诊断模型；利用最终的故障诊断模型对变压器的实时数据进行诊断，判断变压器是否存在故障，并输出故障类型。2.根据权利要求1所述的一种基于改进粒子群优化算法的变压器故障诊断方法，其特征在于，改进粒子群算法的速度和位置更新公式为：征在于，改进粒子群算法的速度和位置更新公式为：征在于，改进粒子群算法的速度和位置更新公式为：式中，w1为初始惯性权重值；w2为终止惯性权重值；t为当前进化代数；T为最大进化代数；v
id
(t)为第i个粒子t次迭代时在d维上的速度；η1、η2为加速系数；r1、r2为0
‑
1之间的随机数；x
id
(t)为第i个粒子t次迭代时在d维上的位置；P
id
为个体最优值；P
gd
为全局最优值；η
1i
为η1(t)的初始值；η
1f
为η1(t)的终值；η
2i
为η2(t)的初始值；η
2f
为η2(t)的终值。3.根据权利要求2所述的一种基于改进粒子群优化算法的变压器故障诊断方法，其特征在于，加速系数η1的初值设为2.5，终值为0.5，η2初始值设为0.5，终值为2.5。4.根据权利要求1所述的一种基于改进粒子群优化算法的变压器故障诊断方法，其特征在于，利用改进后的粒子群算法对训练后的GRNN网络的参数进行优化的过程包括：设置改进粒...

【专利技术属性】
技术研发人员：吕璐，崔庆伟，吕应刚，傅祥廉，孙鑫磊，
申请(专利权)人：中海油能源发展装备技术有限公司，
类型：发明
国别省市：