基于優(yōu)化參數(shù)在線極限學(xué)習(xí)機(jī)的變壓器故障診斷.pdf

1、變壓器DGA數(shù)據(jù)分析技術(shù)具有原理簡(jiǎn)單且易于實(shí)施的特點(diǎn)，被廣泛應(yīng)用于變壓器早期故障診斷。隨著智能化和多算法融合的發(fā)展，DGA數(shù)據(jù)分析技術(shù)與智能算法模型相結(jié)合解決了DGA數(shù)據(jù)分析技術(shù)因?yàn)榕卸ㄟ吔缒：斐傻恼`判，促進(jìn)了變壓器診斷模式的轉(zhuǎn)變。但是現(xiàn)有DGA數(shù)據(jù)智能算法模型在診斷時(shí)陳舊數(shù)據(jù)伴隨新輸入數(shù)據(jù)重復(fù)訓(xùn)練，在一定程度上影響診斷準(zhǔn)確率的提高。
　　本文針對(duì)現(xiàn)有DGA數(shù)據(jù)診斷算法模型準(zhǔn)確率不夠高的現(xiàn)象，提出將在線序列極限學(xué)習(xí)機(jī)算法應(yīng)用于變

2、壓器故障診斷中。分析不同參數(shù)和隱藏層激活函數(shù)的選取對(duì)OS-ELM算法診斷性能的影響，設(shè)計(jì)并建立OS-ELM算法的診斷模型。通過(guò)MATLAB實(shí)驗(yàn)及分析，證明OS-ELM算法模型比SVM和ELM在訓(xùn)練速度、診斷準(zhǔn)確率上都有一定程度的提高，具有較好的診斷效果。由于OS-ELM算法診斷模型人工設(shè)置參數(shù)會(huì)造成網(wǎng)絡(luò)輸出不穩(wěn)定，為了進(jìn)一步提高OS-ELM算法的準(zhǔn)確率，運(yùn)用多算法融合思想，提出用遺傳算法智能選擇OS-ELM算法診斷模型參數(shù)，設(shè)計(jì)并建立G