RBF神经网络的变压器故障诊断研究.pdf

·12· 计算机与信息技术 开发与应用 RBF 神经网络的变压器故障诊断研究 朱丽娟 （盐城师范学院 物电学院，江苏 盐城 224002） 摘 要 在将神经网络应用于变压器故障诊断的过程中，针对 BP 算法易陷入局部极小、收敛速度慢的缺点，采用 RBF 神经网络对变压器进行故障诊断研究。通过实例应用结果分析表明 RBF 网络可以有效地运用于变压器故障诊断中，提高故障 诊断的准确率。 关键词 RBF 神经网络；变压器；故障诊断 1 引言 于变压器故障诊断中，通过对结果的比较分析，表明RBF神 油中溶解气体的色谱分析（DGA）技术目前是电力系统 经网络模型比BP神经网络诊断的准确率高。 [1][2] 中充油电气设备故障诊断的一种重要手段 。近年来，对利 2 RBF 神经网络 用色谱数据和电气试验数据等进行综合诊断的研究正在展 2.1 RBF 网络结构 开，并取得了一定效果。 但由于电力设备故障原因、故障现 1985年，Powell提出多变量插值的径向基函 （Radial Basis 象的复杂性、模糊性和不确定性[3] ，人们借助模糊理论、神 Function--RBF）方法。RBF神经网络的结构与多层前向网络 经网络理论等人工智能方法探索变压器故障诊断的方法，并 类似，它是一种三层前向网络。网络函数结构如图1 所示， 取得了一定的成就。 输入层由信号源节点组成，第二层为隐含层，传递函数为 神经网络具有高度的非线性映射以及自组织、自学习能 radbas，第三层为输出层，传递函数为纯线性函数purelin，它 力的人工神经网络，在变压器故障诊断中已有一些先例[4-5] 。 对输入模式作用做出响应。径向基网络的隐含层有S1个神经 目前采用比较多的是BP神经网络，BP算法的优点是寻优具有 元，输出层有S2个神经元。 精确性，但同时存在一些缺点，最主要的是易陷入局部极小、 2.2 RBF 学习过程 收敛速度慢和引起振荡效应等。本文则将RBF神经网络应用 RBF网络的输出为隐层节点输出的线性组合，即： P a1 w1 w2 a2