[发明专利]一种基于遗传算法与BP神经网络的变压器故障诊断方法

权利要求书

1.一种基于遗传算法与BP神经网络的变压器故障诊断方法，其特征在于，包括以下步骤：

步骤S1，根据变压器内部绝缘材料受电和热所分解出的故障气体种类，选取特征气体；

步骤S2，根据选取的特征气体构建用于变压器故障诊断的BP神经网络故障诊断模型，确定特征气体对应故障类型的取值范围；

步骤S3：对选取的特征气体的含量进行敏感性分析，判断其含量对BP神经网络故障诊断模型的敏感性程度，计算得到敏感性矩阵；

步骤S4，对步骤S3得到的BP神经网络故障诊断模型的敏感性矩阵进行F和R检验，验证敏感性矩阵的拟合程度；

步骤S5，对经过F和R检验的BP神经网络故障诊断模型设计目标函数和约束条件，采用遗传算法进行参数寻优，得到优化后的输入层、隐层与输出层神经节点个数。

2.根据权利要求1所述的一种基于遗传算法与BP神经网络的变压器故障诊断方法，其特征在于，所述步骤S1中选取的特征气体为H₂、CH₄、C₂H₆、C₂H₄、C₂H₂。

3.根据权利要求2所述的一种基于遗传算法与BP神经网络的变压器故障诊断方法，其特征在于，所述步骤S2中采用传统的三层BP神经网络作为BP神经网络故障诊断模型，所述三层BP神经网络包括输入层、隐层、输出层；

所述BP神经网络故障诊断模型数值P的计算公式为：

P＝XS₁k₁+S₁Tk₂+S₁k₃+Tk₄+k₅； (1)

P为BP神经网络故障诊断模型数值，X、S₁、T分别为输入层、隐层与输出层神经节点个数，k₁、k₂、k₃、k₄和k₅分别为H₂、CH₄、C₂H₆、C₂H₄、C₂H₂五种气体的含量。

4.根据权利要求2所述的一种基于遗传算法与BP神经网络的变压器故障诊断方法，其特征在于，通过收集所需的数据信息及其影响因素，进行敏感性分析，计算变压器故障诊断全部影响因素对BP神经网络故障诊断模型的敏感数据，求出敏感性矩阵如下式(2)所示：

式中，F_1i、F_2i、F_3i、F_4i、F_5i分别为H₂、CH₄、C₂H₆、C₂H₄、C₂H₂五种气体含量的第i个因素对BP神经网络故障诊断模型的敏感性程度；

各含量因素会发生单位极小变化，含量变化矩阵见式(3)所示：

ΔR_1i、ΔR_2i、ΔR_3i、ΔR_4i、ΔR_5i别为H₂、CH₄、C₂H₆、C₂H₄、C₂H₂五种气体含量的第i个因素单位极小变化内的含量变化值；

则敏感性矩阵求解可见式(4)：

在式(4)中，S为所有影响因素目前的含量变化值，V_i为第i个气体含量影响因素的现有值，ΔV_i为第i个气体含量影响因素的变化值。