神经网络应用于电力变压器故障诊断Word下载.docx
- 文档编号:20970112
- 上传时间:2023-01-26
- 格式:DOCX
- 页数:8
- 大小:166.48KB
神经网络应用于电力变压器故障诊断Word下载.docx
《神经网络应用于电力变压器故障诊断Word下载.docx》由会员分享,可在线阅读,更多相关《神经网络应用于电力变压器故障诊断Word下载.docx(8页珍藏版)》请在冰豆网上搜索。
首先先用BP网络算法分析。
这种网络的优点是不仅有输入层节点,输出层节点,而且有隐层节点(可以是一层或者多层)。
对于输入信号,要先向前传播到隐藏节点,经过作用函数后,再把隐藏节点的输出信息传播到输出节点,最后给出输出的结果。
若再输出层不能得到期望的输出,则输入反向传播,讲误差信号沿原来的连接通道返回,通过修改各层神经元的权值,得到误差信号最小。
实际上,设计一个神经网络设计到输入输出以及中间层网络结构和输入特征向量的首选。
首先必须非常细心地选择输入特征向量,使其正确的反映问题的特征;
其次是选择一个网络结构成神经网络。
可以根据网络训练性能以及精度来改变中间层数(节点数)获取一个理想的网络。
三.小波分析
小波分析是近些年新型的一种数学方法,被认为是继傅里叶变化之后又一重大理论突破,小波变换同在时域和频域内有较好的局部化性质,随着信号不同,频率分成在时时域的取样疏密自动调节,以分析信号的任意细节,提取信号特征,被誉为数学显微镜。
小波神经网络是小波分析和神经网络结合的产物,它结合了小波变换的局部化性质和神经网络的自学习功能,具有较强的逼近能力。
本文将对小波神经网络对变压器油色谱故障诊断的应用进行分析探讨。
小波神经网络的原理
小波神经网络依据如下的小波变换原理在函数空间
中,选择一称为母小波函数
使其满足:
为
的傅里叶变换,再对
进行伸缩,平移变换,得到小波基函数
其中,a,b分别为
的伸缩因子和平移因子。
小波神经网络是基于小波分析而构成的神经网络模型,在信号分类中,小波空间可作为信号分类的特征空间,而信号特征提取仄是通过一组小波函数族与输出信号的矢量内积输入到神经网络分类器来实现的。
输出层传递函数是SIGMOID函数,即:
设共有N组样本参加训练,网络参数
可用下列公式优化:
式中
是输入信号
的理想输出,令
则E的梯度可表示为
采用共轭梯度法最小化E,由
和
可产生列矢量
和W;
用
表示
次迭代W的搜索方向,但是W的函数,这一搜索过程可描述如下
同理可优化
·
,如此反复迭代,直到E小于设定的允许误差,结束神经网络学习。
网络训练及诊断结果分析
通常神经网络在训练中对所有样本的梯度进行平均,以得到梯度的估值。
这种平均作用会忽略训练样本的个体差异,降低学习灵敏度。
在缺乏足够典型训练样本的情况下,某个具有代表性的样本信息会被其它样本所淹没,不能充分反映到神经网络的参数中。
为充分利用有限的训练样本,我们采用分块重复学习的方法。
首先将所有样本平均地分成10份,再由10份构成10个训练样本子块;
第1个子块由除第1份以外的其它样本组成,第2个子块由除第2份以外的其它样本组成,依此类推。
设网络训练的允许误差为
。
依次用这10个子块训练网络,当每个子块的误差均小于
时,完成网络的学习。
本文选用
五种特征气体作为神经网络的输人,由于气体含量的绝对值变动范围很大,直接用气体含量值作为输人会影响网络的收敛特性,所以要对输人样本进行归一化预处理,保证输人数据范围在0-1之间。
本文用如下归一化方法处理样本数据:
(i=1,2,3,4,5j=1,·
N)
其中,N为样本数,G(i,j)表示第j组样本中第i种气体含量值,
分别为第j组样本数据中的最大值和最小值。
P(i,j)为各种气体的归一化值。
P(i,j)实际上反映了各种气体在样本中的比例,但该样本的特征气体总和尚未反映出来,所以再增加一个反映气体总和的输人量:
其中,
’为第就j组样本气体总量,这样,神经网络一共有6个输人节点。
经模拟计算,在对数据的归一化预处理中,将总量作为输人比不考虑总量,准确率有所提高。
下面对小波神经网络和BP网络进行比较,本文在色谱故障诊断所用的小波神经网络,其隐层取15个节点;
同时构造了一个网络,它含两隐层,隐层和输出层的传递函数都是sigmoid函数,每层节点数均为30个。
用30个样本分别对BP网络和小波神经网络进行训练,迭代允许误差均取0.001,网络输出层均有4个节点,分别代表无故障、过热故障、低能量放电、高能量放电。
两种网络模型对20个校验样本的判断结果如附表。
可见,本例中BP网络有3个样本诊断错误,而小波神经网络只有一例误判,准确率优于BP网络。
附表神经网络仿真计算结果
编号
实际检查结果
小波神经网络数据输出
小波神经网络诊断结果
BP神经网络诊断结果
无故障
过热故障
低能量放电
高能量放电
1
0.0000
0.9995
2
1.0000
3
4
5
0.0027
0.0002
6
7
0.9983
0.0001
8
0.0289
0.9994
9
10
0.7563
0.0247
0.4786
11
0.9638
12
过热高能放电
0.0087
0.5352
0.9845
过热、高能放电
13
0.0033
0.0013
14
0.1184
0.9622
15
16
0.0055
0.9923
17
18
0.0016
19
20
结论
1.对于20个校验样本,小波神经网络色谱诊断系统的准确率达到,95%优于BP网络,有一定的推广价值。
2.小波基的选取、节点数和网络参数初始值的选择对网络训练有很大影响,需要大量的样本和反复计算才能进一步确定。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 神经网络 应用于 电力变压器 故障诊断
![提示](https://static.bdocx.com/images/bang_tan.gif)