針對極限學習機缺乏穩(wěn)定性對變壓器故障診斷造成不良影響的問題,文中引入具有更好泛化能力的正則極限學習機,提出一種基于NSGA2優(yōu)化正則極限學習機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)化正則極限學習機隨機生成的輸入層權(quán)值與隱層偏置,避免了輸出層權(quán)值矩陣過大,從而提高模型穩(wěn)定性和診斷精度。仿真實驗結(jié)果表明,相比于傳統(tǒng)正則極限學習機,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。 

【文章來源】：高壓電器. 2020,56(09)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

NSGA2程序流程圖

Pareto前沿分布

【參考文獻】：
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]基于帝國殖民競爭算法優(yōu)化支持向量機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)保護與控制. 2017(21)
[4]基于DGA的粗糙集與人工魚群極限學習機的變壓器故障診斷[J]. 雷帆,高波,袁海滿,吳廣寧,段宗超.  高壓電器. 2017(10)
[5]基于代價敏感組合核相關(guān)向量機的電力變壓器故障診斷[J]. 高國強,楊飛豹,尹豪杰,宋臻杰,高波.  電測與儀表. 2017(16)
[6]電力變壓器故障的客觀熵權(quán)識別及診斷方法[J]. 黃大榮,陳長沙,孫國璽,趙玲.  電力系統(tǒng)自動化. 2017(12)
[7]基于NSGA2的網(wǎng)絡(luò)環(huán)境下多標簽種子節(jié)點選擇[J]. 李磊,楚喻棋,汪萌,韓莉,吳信東.  電子與信息學報. 2017(09)
[8]基于DGA的粒子群極限學習機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)和極限學習機相結(jié)合的人臉識別方法[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,王來河,宋保業(yè),鐘文強.  電測與儀表. 2016(15)



本文編號：3574376