论文部分内容阅读
针对油浸式变压器故障诊断中由训练样本选择不当所造成的有效信息丟失而无法构建较高精度故障诊断模型的问题,提出了一种利用组合型交叉熵优化粗糙集优选油浸式变压器故障气体的方法.将选择的最优故障气体样本用于BP神经网络的训练,通过不断调整神经网络参数,构建一个精度较高的网络模型.结果表明,改进的交叉熵算法为故障气体属性约简模型的迭代寻优提供了最好的训练样本.该研究验证了所提出诊断方案的可行性与准确性.