摘要
BP神经网络在诊断变压器故障问题时存在收敛效率低、容易出现局部最优点等问题。为了解决这一问题,现采用BP神经网络与遗传算法相结合的方式,充分发挥和利用遗传算法的全局收敛性特征,对BP神经网络的初始化权值和阀值进行改进和优化,同时,在科学调整BP神经网络搜索能力的基础上,通过利用了LM优化方法,完成对BP神经网络的全面训练,以达到提高BP神经网络精确度和网络训练效率的目的,最后,将训练过的BP神经网络应用于变压器油中溶解气体领域中。结果表明:IGA-BP混合算法具有非常高的可行性和有效性,不仅提高电力变压器故障诊断效率和效果,还提高了电力变压器的运行性能,延长了其使用寿命,为促进电力行业健康、可持续发展发挥出重要作用。
