论文部分内容阅读
BP神经网络具有自学习和自适应能力，比较适合于基于油中溶解气体分析的变压器故障诊断。分析了常规BP算法的不足，指出了加动量项BP算法的原理和优点。该方法减轻了网络训练过程中的振荡，加速了网络的收敛。针对常规的BP神经网络不能给出诊断结果的可信度问题，利用多个网络共同诊断，根据多个诊断结果的标准差获得诊断结果的可信度，多个结果的均值作为最终诊断结果，从而提高了准确性。构造了适合于变压器油中溶解气体分析故障诊断的神经网络，并将训练所得的多个神经网络用于变压器故障诊断。结果表明了该方法的有效性。