位置:成果数据库 > 期刊 > 期刊详情页
基于遗传算法改进极限学习机的变压器故障诊断
  • ISSN号:1001-1609
  • 期刊名称:高压电器
  • 时间:2015.8
  • 页码:49-53
  • 分类:TM407[电气工程—电器]
  • 作者机构:[1]西南交通大学电气工程学院,成都610031, [2]国网四川省电力公司成都供电公司,成都610041
  • 相关基金:国家自然科学基金高铁联合基金重点项目(U1134205);国网四川省电力公司项目.
  • 相关项目:高速铁路电力牵引系统的安全性预测与控制
中文摘要:

针对变压器故障的特征,结合变压器油中气体分析法以及三比值法.提出了基于遗传算法改进极限学习机的故障诊断方法。由于输入层与隐含层的权值和阈值是随机产生.传统的极限学习机可能会使隐含层节点过多,训练过程中容易产生过拟合现象。该方法运用遗传算法对极限学习机的输入层与隐含层的权值与阈值进行优化,从而提高模型的稳定性和预测精度。将诊断结果与传统的基于极限学习机故障诊断进行对比,结果表明,基于遗传算法改进极限学习机变压器故障诊断的精度更高。

英文摘要:

Aiming at the characteristics of transformer fault types,a fault diagnosis method based on the improved extreme learning machine with genetic algorithm is proposed by combining with the transformer oil-dissolved gas analysis and the 3-ratio method. Because the weights and thresholds between input layer and hidden layer are generated randomly,the traditional extreme learning machine may generate excessive hidden layer nodes,resulting in over-fitting in the training process. Therefore, in the proposed method genetic algorithm is adopted to optimize weights and thresholds between input layer and hidden layer of extreme learning machine for improving the stability and prediction accuracy of extreme learning machine. Compared with the conventional fault diagnostic method based on extreme learning machine,the proposed fault diagnosis method of transformer achieves higher diagnosis precision.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《高压电器》
  • 北大核心期刊(2011版)
  • 主管单位:西安高压电器研究院有限公司
  • 主办单位:西安高压电器研究院有限公司
  • 主编:薛晔
  • 地址:西安市西二环北段18号
  • 邮编:710077
  • 邮箱:gydq@zgydq.com
  • 电话:029-84225621 84221958 84225626
  • 国际标准刊号:ISSN:1001-1609
  • 国内统一刊号:ISSN:61-1127/TM
  • 邮发代号:52-36
  • 获奖情况:
  • 国家优秀科技期刊,机械工业优秀科技期刊,陕西省优秀科技期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),波兰哥白尼索引,荷兰文摘与引文数据库,美国剑桥科学文摘,英国科学文摘数据库,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:14425