基于鸡群优化BP神经网络的变压器油纸绝缘老化预测方法

为了深入研究变压器油纸绝缘老化状态与极化/去极化电流的内在联系,提出一种基于鸡群优化BP神经网络的变压器中油纸绝缘系统老化程度的预测方法。首先研究聚合度与扩展Debye模型的参数之间的关系。针对环境温度改变时,极化/去极化电流发生变化导致扩展Debye模型参数不能正确地反应油纸绝缘的老化状态的问题,训练BP神经网络拟合去极化电流和油纸聚合度间的关系,以消除环境温度变化带来的误差,实现不同温度下的油纸绝缘老化预测。然后针对BP神经网络收敛速度慢、预测效率低问题,采用鸡群算法优化BP神经网络的权值和阈值。此方法不仅加快网络的收敛速度,而且有效避免了算法寻优时易陷入局部最优解的现象。最后,针对此方法进行仿真分析。仿真结果证明,此方法能够校正环境温度误差对极化/去极化电流的影响,实现油纸聚合度的预测,具有较高的准确性。

基于鸡群算法的变压器油纸绝缘扩展Debye等效电路参数识别

为了研究去极化电流和变压器绝缘状态的关系,提出了基于鸡群算法的变压器油纸绝缘扩展Debye等效电路参数识别方法。首先,建立去极化电流的误差函数,计算辨识得到的曲线与实际曲线之间的误差。利用鸡群寻优算法群优化和分类优化的特点,调整电路参数减小与实际曲线误差,解决了粒子群算法易陷入局部最优的缺点。最后通过试验计算表明,应用鸡群寻优算法获得的去极化电流与现场测试得到的数据吻合度高,求得的油纸绝缘扩展Debye等效电路参数能够准确地反映变压器的绝缘状况。