基于优化模糊推理系统的电力变压器故障检测方法

来源：济南大学学报·自然科学版杂志2023年第01期北京时间：

作者：游溢,赵普志,刘冬,晏致涛,刘欣鹏

摘要：为了提高电力变压器故障检测的准确性和稳定性，提出一种基于一维卷积神经网络和优化自适应神经模糊推理系统的检测方法；将利用溶解气体分析法得到的14个特征属性作为自适应神经模糊推理系统的初始未处理输入，通过一维卷积神经网络从中选择8个最具指示性的属性；采用改进帝王蝶优化算法对自适应神经模糊推理系统进行训练，并通过真实数据集实验与其他电力变压器故障诊断算法进行检测性能对比。结果表明，所提出方法的电力变压器故障检测准确率达98.91%,50次独立运行中故障检测的标准偏差为±0.01,具有检测准确性高、性能稳健、运行时间短的优点。

关键词：自适应神经模糊推理系统;一维卷积神经网络;电力变压器;故障检测;特征属性

基金资助：国家自然科学基金项目(51778097);; 国网新疆电力有限公司2020年科技项目(5230DK200006)