基于组合蚁群算法优化神经网络诊断变压器潜伏性故障

针对变压器故障诊断中BP神经网络存在收敛速度慢、易陷入局部极小值等问题，提出组合蚁群算法(Combined ACO，CACO)以优化BP神经网络的权值和阈值，加快神经网络的收敛速度并实现全局最优。该方法将带精英策略的蚂蚁系统与最大－最小蚂蚁系统进行结合，对精英蚂蚁信息素轨迹量值域范围进行区间限制，有效地解决了各信息素轨迹之间差异过大的问题，避免了局部最优和早熟收敛，提高了算法的全局搜索能力，克服了常规BP算法训练神经网络在变压器故障诊断中存在的不足。实例验证表明，CACO神经网络比BP神经网络减少了96%的迭代次数，并且在故障诊断方面，CACO神经网络的准确率达到了93.9%，远远高于BP神经网络的78.5%。