針對(duì)極限學(xué)習(xí)機(jī)缺乏穩(wěn)定性對(duì)變壓器故障診斷造成不良影響的問(wèn)題,文中引入具有更好泛化能力的正則極限學(xué)習(xí)機(jī),提出一種基于NSGA2優(yōu)化正則極限學(xué)習(xí)機(jī)的變壓器故障診斷方法。該方法以油中溶解氣體含量比值作為特征輸入,用NSGA2優(yōu)化正則極限學(xué)習(xí)機(jī)隨機(jī)生成的輸入層權(quán)值與隱層偏置,避免了輸出層權(quán)值矩陣過(guò)大,從而提高模型穩(wěn)定性和診斷精度。仿真實(shí)驗(yàn)結(jié)果表明,相比于傳統(tǒng)正則極限學(xué)習(xí)機(jī),文中方法有更高的故障診斷正確率,是一種有效的變壓器故障診斷方法。 

【文章來(lái)源】：高壓電器. 2020,56(09)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

NSGA2程序流程圖

Pareto前沿分布

【參考文獻(xiàn)】：
期刊論文
[1]基于ACS-SA文化基因算法的BP神經(jīng)網(wǎng)絡(luò)變壓器故障診斷[J]. 李笑竹,陳志軍,樊小朝,徐其丹,鹿劍,何騰.  高壓電器. 2018(02)
[2]基于帝國(guó)殖民競(jìng)爭(zhēng)算法優(yōu)化支持向量機(jī)的電力變壓器故障診斷模型[J]. 張鐿議,焦健,汪可,鄭含博,房加珂,周浩.  電力自動(dòng)化設(shè)備. 2018(01)
[3]基于魯棒能量模型LS-TSVM和DGA的變壓器故障診斷[J]. 陳歡,彭輝,舒乃秋,李自品,龍嘉文.  電力系統(tǒng)保護(hù)與控制. 2017(21)
[4]基于DGA的粗糙集與人工魚群極限學(xué)習(xí)機(jī)的變壓器故障診斷[J]. 雷帆,高波,袁海滿,吳廣寧,段宗超.  高壓電器. 2017(10)
[5]基于代價(jià)敏感組合核相關(guān)向量機(jī)的電力變壓器故障診斷[J]. 高國(guó)強(qiáng),楊飛豹,尹豪杰,宋臻杰,高波.  電測(cè)與儀表. 2017(16)
[6]電力變壓器故障的客觀熵權(quán)識(shí)別及診斷方法[J]. 黃大榮,陳長(zhǎng)沙,孫國(guó)璽,趙玲.  電力系統(tǒng)自動(dòng)化. 2017(12)
[7]基于NSGA2的網(wǎng)絡(luò)環(huán)境下多標(biāo)簽種子節(jié)點(diǎn)選擇[J]. 李磊,楚喻棋,汪萌,韓莉,吳信東.  電子與信息學(xué)報(bào). 2017(09)
[8]基于DGA的粒子群極限學(xué)習(xí)機(jī)電力變壓器故障診斷[J]. 袁海滿,吳廣寧,高波.  高壓電器. 2016(11)
[9]一種卷積神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)相結(jié)合的人臉識(shí)別方法[J]. 余丹,吳小俊.  數(shù)據(jù)采集與處理. 2016(05)
[10]基于混沌優(yōu)化粒子群BP神經(jīng)網(wǎng)絡(luò)的電力變壓器故障診斷[J]. 公茂法,柳巖妮,王來(lái)河,宋保業(yè),鐘文強(qiáng).  電測(cè)與儀表. 2016(15)



本文編號(hào)：3574376