论文部分内容阅读
大型电力变压器作为电力系统的枢纽设备，其运行可靠性直接关系到电力系统的安全与稳定。针对基于BP算法的小波神经网络存在收敛速度慢、搜索空间局部极小及易引起振荡等不足，本文以变压器油中溶解气体为分析对象，提出采用动量项和变学习率改进小波神经网络的变压器故障诊断算法。选择400组油中溶解气体含量作为小波神经网络训练及故障识别样本，对训练过程和仿真结果进行对比分析。实验结果表明：较之比值法，改进的小波神经网络故障诊断算法在故障识别准确率和收敛时间方面表现更优。