基于ART-ACO-LVQ复合算法的变压器故障诊断研究

为了提高变压器故障诊断的效率，提出了一种基于ART-ACO-LVQ复合神经网络算法的变压器故障诊断方法。首先针对ART2神经网络算法基本原理进行分析；然后利用ACO算法对ART2神经网络算法进行结合，进而对其初始权值进行优化；接着再结合有监督学习特点的LVQ神经网络算法，并提出基于ART-ACO-LVQ复合算法的变压器故障诊断方法；最后利用该复合方法对不同的变压器故障类型进行仿真分析。其仿真结果表明：通过基于ART-ACO-LVQ复合神经网络算法能够有效识别不同类型的变压器故障，对25个测试样本识别正确率达到100%，而利用ART2神经网络算法和ART-ACO神经网络算法的诊断结果正确率仅分别为68%和84%。进而表明所提的一种基于ART-ACO-LVQ复合神经网络算法的变压器故障诊断方法具有较高的正确性以及可靠性，其结果具有一定的工程实际意义。