[1]袁小凯,李 果,蒋屹新,等.基于 ＨＳ- ＥＬＭ 的油浸式变压器故障诊断[J].机械与电子,2019,(12):30-32.
　,,et al.Fault Diagnosis of Oil Immersion Transformer Based on HS-ELM Algorithm[J].Machinery & Electronics,2019,(12):30-32.
点击复制

基于 ＨＳ- ＥＬＭ 的油浸式变压器故障诊断()
分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2019年12期
页码:
30-32
栏目:
设计与研究
出版日期:
2019-12-24

文章信息/Info

Title:
Fault Diagnosis of Oil Immersion Transformer Based on HS-ELM Algorithm
文章编号:
１００１- ２２５７（２０１９）１２- ００３０- ０３
作者:
袁小凯; 李 果; 蒋屹新; 张福铮
南方电网科学研究院，广东 广州 ５１００８０
Author(s):
ＹＵＡＮ Ｘｉａｏｋａｉ; ＬＩ Ｇｕｏ; ＪＩＡＮＧ Ｙｉｘｉｎ; ＺＨＡＮＧ Ｆｕｚｈｅｎｇ
ＣｈｉｎａＳｏｕｔｈｅｒｎＰｏｗｅｒＧｒｉｄＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅＣｏ．，Ｌｔｄ．，Ｇｕａｎｇｚｈｏｕ５１００８０，Ｃｈｉｎａ
关键词:
油浸式变压器; 和声搜索算法; 极限学习机; 遗传算法; 故障诊断
Keywords:
ｏｉｌｉｍｍｅｒｓｉｏｎｔｒａｎｓｆｏｒｍｅｒ; ｈａｒｍｏｎｙｓｅａｒｃｈａｌｇｏｒｉｔｈｍ; ｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅ; ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ; ｆａｕｌｔｄｉａｇｎｏｓｉｓ
分类号:
ＴＰ２０６；ＴＭ４１１
文献标志码:
A
摘要:
针对 ＥＬＭ 模型的预测精度受初始的输入权重W 和隐含层偏置矩阵b 的选择影响，运用和声搜索算法（ＨＳ）优化选择初始的输入权重W 和隐含层偏置矩阵b，提出一种基于 ＨＳ ＥＬＭ 的油浸式变压器故障诊断方法。将５种气体体积分数数据（Ｈ２，Ｃ２Ｈ２，ＣＨ４，Ｃ２Ｈ６ 和Ｃ２Ｈ４）当作 ＨＳ- ＥＬＭ 变压器故障诊断模型的输入特征参数数据，不同故障类别标签作为 ＨＳ- ＥＬＭ 的输出，建立 ＨＳ- ＥＬＭ 油浸式变压器故障诊断模型。研究结果表明，在各个故障类别 的 诊 断 正 确 率 和 总 体 正 确 率 上，ＨＳ- ＥＬＭ 均 要 高 于 ＧＡＥＬＭ，ＥＬＭ 和ＩＥＣ三比值法，有效提高了变压器故障诊断的正确率。
Abstract:
ＴｈｅｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｏｆＥＬＭ ｍｏｄｅｌｉｓａｆｆｅｃｔｅｄｂｙｔｈｅｓｅｌｅｃｔｉｏｎｏｆｉｎｉｔｉａｌｉｎｐｕｔｗｅｉｇｈｔW ａｎｄｉｍｐｌｉｃｉｔｌａｙｅｒｂｉａｓ b．ＵｓｉｎｇＨａｒｍｏｎｙＳｅａｒｃｈ（ＨＳ）ｔｏｏｐｔｉｍｉｚｅｔｈｅｓｅｌｅｃｔｉｏｎｏｆｉｎｉｔｉａｌｉｎｐｕｔｗｅｉｇｈｔW ａｎｄｉｍｐｌｉｃｉｔｌａｙｅｒｂｉａｓb，ａｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｏｆｏｉｌｉｍｍｅｒｓｉｏｎＴｒａｎｓｆｏｒｍｅｒｂａｓｅｄｏｎＨＳ ＥＬＭ ｗａｓ
ｐｒｏｐｏｓｅｄ．ＴｈｅｖｏｌｕｍｅｔｒｉｃｆｒａｃｔｉｏｎｓｏｆＨ２，ＣＨ４，Ｃ２Ｈ６，Ｃ２Ｈ４，ａｎｄＣ２Ｈ２ ｗｅｒｅｓｅｌｅｃｔｅｄａｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃ ｐａｒａｍｅｔｅｒｓ．ＤｉｆｆｅｒｅｎｔｆａｕｌｔｃａｔｅｇｏｒｉｅｓｗｅｒｅｕｓｅｄａｓｔｈｅｏｕｔｐｕｔｏｆＨＳ ＥＬＭｔｏｅｓｔａｂｌｉｓｈａｆａｕｌｔｄｉａｇｎｏｓｉｓ ｍｏｄｅｌｆｏｒＨＳ ＥＬＭｏｉｌｉｍｍｅｒｓｉｏｎＴｒａｎｓｆｏｒｍｅｒｓ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔＨＳ ＥＬＭｉｓｈｉｇｈｅｒｔｈａｎＧＡ ＥＬＭ，ＥＬＭａｎｄｔｒｉ ｒａｔｉｏｍｅｔｈｏｄｉｎｔｈｅｄｉａｇｎｏｓｉｓａｃｃｕｒａｃｙａｎｄｏｖｅｒａｌｌａｃｃｕｒａｃｙｏｆｖａｒｉｏｕｓｆａｕｌｔｃａｔｅｇｏｒｉｅｓ，ｗｈｉｃｈｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｓｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓａｃｃｕｒａｃｙｏｆＴｒａｎｓｆｏｒｍｅｒｓ.

参考文献/References:

［１］ 闫丽梅，高继法，刘正亮，等．一种早期诊断变压器故障的神经网络方法［Ｊ］．大庆石油学院学报，２０００，２４（２）：３９- ４１．

［２］ 廖瑞金，廖玉祥，杨丽君，等．多神经网络与证据理论融合的变压器故障综合诊断方法研究［Ｊ］．中国电机工程学报，２００６，２６（３）：１１9- １２４．
［３］ 宋斌，于萍，廖冬梅，等．变压器故障诊断中溶解气体的模糊聚类分析［Ｊ］．高电压技术，２００１，２７（３）：６９- ７１．
［４］ 董明，孟源源，徐长响，等．基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究［Ｊ］．中国电机工程学报，２００３，２３（７）：８８- ９２．
［５］ 潘罛，陈伟根，云玉新，等．基于遗传算法进化小波神经网络的电力变压器故障诊断［Ｊ］．电力系统自动化，２００７，３１（１３）：８８- ９２．
［６］ 汲胜昌，刘味果，单平，等．小波包分析在振动法监测变压器铁芯及绕组状况中的应用［Ｊ］．中国电机工程学报，２００１，２１（１２）：２４- ２７，４９．
［７］ 苑津莎，张利伟，王瑜，等．基于极限学习机的变压器故障诊断方法研究［Ｊ］．电测与仪表，２０１３，５０（１２）：２１- ２６．
［８］ 李亮，迟世春，林皋．改进和声搜索算法及其在土坡稳定分析中的应用［Ｊ］．土木工程学报，２００６，３９（５）：１０７- １１１．
［９］ 吕忠，周强，周琨，等．基于遗传算法改进极限学习机的变压器故障诊断［Ｊ］．高压电器，２０１５，５１（８）：４９- ５３．
［１０］ 袁海满，吴广宁，高波．基于 ＤＧＡ 的粒子群极限学习机电力变压器故障诊断［Ｊ］．高压电器，２０１６，５２（１１）：１７６- １８０，１８７．
［１１］ 陈春，汪!，刘蓓，等．基于基本环矩阵与改进和声搜索算法的配电网重构［Ｊ］．电力系统自动化，２０１４，３８（６）：５５- ６０．
［１２］ 雷帆，高波，袁海满，等．基于 ＤＧＡ 的粗糙集与人工鱼群极限学 习 机 的 变 压 器 故 障 诊 断 ［Ｊ］．高 压 电器，２０１７，５３（１０）：１２４- １３０．
［１３］ 曹文彬，王先培，田猛，等．基于 ＫＥＬＭ 和 ＡＴ 的ＳＦ６变压器故障诊断［Ｊ］．变压器，２０１８，５５（１２）：７２- ７６．
［１４］ 杜文霞，赵秀平，杜海莲，等．基于极限学习机的电力变压器故障诊断［Ｊ］．山东科技大学学报（自然科学版），２０１７，３６（５）：２９- ３６．
［１５］ 刘晓乐，刘艳．基于极限学习机的变压器故障快速识别［Ｊ］．微型机与应用，２０１５，３４（２）：５２- ５４．
［１６］ 张秦?，宋辉，姜勇，等．基于 ＯＳ ＥＬＭ 的变压器
局部放电模式识别［Ｊ］．高电压技术，２０１８，４４（４）：
１１２２- １１３０．

相似文献/References:

[1]郭玉嘉,杜向党,陈宏博,等.高机动性变压器内部检测机器人控制系统设计与算法研究[J].机械与电子,2020,(12):70.
　GUO Yujia,DU Xiangdang,CHEN Hongbo,et al.Control System Design and Algorithm Research of High Mobility Robot for Transformer Internal Detection[J].Machinery & Electronics,2020,(12):70.

备注/Memo

备注/Memo:
收稿日期：２０１９- ０８- １５
作者简介：袁小凯 （１９７７－），男，河南沁阳人，工程师，研究方向为云计算、虚拟化和大数据信息化技术应用。
更新日期/Last Update: 2019-12-23