基于正交实验法改进的蝠鲼算法优化BP在变压器故障诊断上的研究

作     者：徐龙舞 张英 张倩 胡克林 王明伟 张国治 XU Longwu;ZHANG Ying;ZHANG Qian;HU Kelin;WANG Mingwei;ZHANG Guozhi

作者机构：贵州大学电气工程学院贵阳550025 贵州电网有限责任公司电力科学研究院贵阳550002 贵州电网有限责任公司凯里供电局贵州凯里556000 新能源及电网装备安全监测湖北省工程研究中心(湖北工业大学)武汉430068 

出 版 物：《南方电网技术》 (Southern Power System Technology)

年 卷 期：2022年第16卷第7期

页      面：46-54页

核心收录：

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金重点资助项目(52107144) 

主　　题：油浸式变压器 DGA数据 蝠鲼算法 BP网络 混沌映射 反向学习 正交实验法 

摘      要：油浸式变压器在运行老化过程中难免会出现各种潜伏性故障,及时正确诊断出变压器的状态至关重要,传统利用基于油中溶解气体分析法(dissolved gas analysis, DGA)数据的三比值法因存在编码不足的缺陷,限制了故障的诊断效果。为此提出了一种改进的蝠鲼算法(manta ray foraging optimization, MRFO)优化反向传播(back propagation, BP)网络的故障诊断模型。首先利用逻辑映射与反向学习(opposition based learning, OBL)融合的多阶段算法为MRFO提供初始位置,加强算法全局寻优能力;同时提出利用正交实验法优化蝠鲼算法的3种觅食策略,调节蝠鲼个体的探索与开发,以加强该算法在特定问题上的寻优能力;最后将改进的蝠鲼算法寻得的最优解赋予BP网络的权值和偏置,建立变压器故障诊断系统。利用IEC TC 10故障数据进行了实验,并与其他算法进行了结果对比分析。结果表明,所提方法与BPNN、未改进的MRFO-BP、三比值法的结果相比,分别高出16%、8%、24%,是一种积极有效的方法。