改进粒子群优化T-S ANFIS算法诊断油浸式变压器故障研究

来源：计算机测量与控制杂志2023年第10期北京时间：

作者：乐效鹏,史兵,李嘉诚

单位：常州大学 机械与轨道交通学院

摘要：为了有效提升油浸式变压器故障诊断的精度与速度,提出一种基于改进粒子群算法(IPSO)优化T-S型自适应模糊神经网络(T-S ANFIS)的油浸式变压器故障诊断模型；引入动态惯性权重和学习因子线性调整策略,并利用收敛域和欧式距离判别雷同粒子,以克服粒子群算法易早熟、后期易陷入局部最优的问题；接着通过IPSO对T-S ANFIS的前提参数进行优化,提高网络的收敛速度；最后通过仿真实验验证基于IPSO优化T-S ANFIS的变压器故障诊断模型效果,结果表明所构建模型的故障诊断最优准确率约为98％,与ANFIS及PSO-ANFIS模型相比具有较高的故障诊断精度及效率。

关键词：油浸式变压器;改进粒子群;自适应模糊神经网络;故障诊断;算法优化

基金资助：江苏省研究生实践创新计划项目(SJCX22_1414)