基于改进粒子群算法与油中溶解气体的变压器故障诊断研究

来源：电子测量技术杂志2021年第18期北京时间：

作者：肖云波，范菁，张宜，乔钰彬

单位：云南民族大学电气信息工程学院 云南省高校信息与通信安全灾备重点实验室 昆明 650000

摘要：利用电力变压器故障时产生的气体（DGA）来对变压器进行故障诊断已经成为国内外重要的诊断方法。本文选择采用卷积神经网络（CNN）作为变压器故障的诊断模型，对电力变压器进行故障诊断。但CNN的诊断性能很大程度取决于它的结构，存在着模型超参数难以人工选择的问题。针对该问题，为了提高模型的诊断准确率，设计了利用改进粒子群算法（IPSO）来对CNN的超参数进行自动寻优。通过对PSO算法中的惯性权重W以及学习因子C1、C2进行改进，提高粒子的寻优能力，从而构建出性能更好的诊断模型，达到提高诊断准确率的目的。实验结果表明，IPSO算法具有比PSO更好的全局寻优能力和局部寻优能力，且基于IPSO算法搭建的CNN比人工经验搭建的CNN具有更高的诊断准确率，准确率提高了5.84%。

关键词：卷积神经网络 ;变压器诊断 ;DGA;改进粒子群算法

基金资助：国家自然科学基金项目（61540063）、云南省应用基础研究计划项目（2018FD055）资助