充油电气设备油色谱故障诊断ANN方法的性能优化

作     者：张宝全 马雅丽 关睿 白诗婷 李静 胡伟涛 ZHANG Baoquan;MA Yali;GUAN Rui;BAI Shiting;LI Jing;HU Weitao

作者机构：国网河北省电力有限公司检修分公司河北石家庄050070 华北电力大学电力工程系河北保定071003 

出 版 物：《广东电力》 (Guangdong Electric Power)

年 卷 期：2021年第34卷第6期

页      面：39-47页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 080803[工学-高电压与绝缘技术] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国网河北省电力有限公司科技项目(kj2018-58) 

主　　题：充油电气设备 油中溶解气体分析 人工神经网络 故障诊断 性能优化 

摘      要：为了提高基于人工神经网络(artificial neural network,ANN)方法的充油电气设备油色谱故障诊断的准确性,对油色谱故障诊断中ANN的参数优化问题进行系统研究。基于搜集得到的大量故障特征气体数据,构建多层前馈ANN系统,研究训练算法、隐层神经元数量、训练目标、隐层和输出层神经元激活函数对训练性能和诊断准确率的影响。结果表明:训练目标一致时,8种不同算法训练得到的ANN具有相近的故障诊断准确率,建议选择其中速度最快的Levenberg-Marquardt算法来训练ANN;隐层神经元数量在一定范围内对故障诊断准确率影响不大;随训练目标(均方误差)的减小,训练时间增加,诊断准确率先增大后减小,建议均方误差选择0.01;隐层神经元激活函数选择线性函数时网络训练不易收敛,建议选择sigmoid函数。