基于灰模糊萤火虫算法优化的变压器故障诊断方法

摘要

本发明公开的基于灰模糊萤火虫算法优化的变压器故障诊断方法，具体步骤为：先用特征气体含量预测模块选取变压器五种特征气体含量有效数据序列，再用单变量时间序列灰模型得到五种特征气体自变量序列下一个时刻的特征气体预测值；对数据进行预处理；将特征气体编码序列作为训练样本的输入，将各输入对应的变压器故障类型作为输出构建IGSO-LM网络，利用IGSO算法对LM神经网络的权值和阈值优化；用经数据预处理后的变压器特征气体数据对网络进行训练，获取最优神经网权值和阈值构造压器故障诊断模型并判断变压器故障类型。本发明的变压器故障诊断方法解决了现有分析方法存在的变压器故障气体数据来源缺乏及结果准确度低的问题。

主权项

基于灰模糊萤火虫算法优化的变压器故障诊断方法，其特征在于，具体按照以下步骤实施：步骤1、先利用特征气体含量预测模块选取变压器五种特征气体含量有效数据序列，再利用单变量时间序列灰模型GM（1，1）得到原始变压器五种特征气体自变量序列下一个时刻的特征气体预测值；步骤2、对数据进行预处理；步骤3、将步骤2得到的变压器特征气体编码序列作为训练样本的输入，将各输入对应的变压器故障类型作为输出，构建IGSO‑LM网络，利用IGSO算法对LM神经网络的权值和阈值进行优化；步骤4、采用经过步骤2数据预处理后的变压器特征气体数据对网络进行训练，计算均方误差，当达到最小误差时获取IGSO算法优化后的最优神经网权值和阈值，构造出基于火虫优化算法神经网络（IGSO‑LM神经网络）的变压器故障诊断模型；步骤5、判断变压器故障类型。