基于多尺度特征提取-改进天鹰算法-长短时神经网络的有载分接开关故障诊断方法

摘要

为实现有载分接开关（on-load tap changer）在复合故障下的精准故障诊断，提出一种基于多尺度特征提取与改进天鹰算法（improved aquila optimizer, IAO）和长短时记忆神经网络（long short-term memory networks,LSTM）的变压器OLTC故障诊断方法。首先提取OLTC振动信号时域尺度、频域尺度和能量熵尺度特征组成特征向量；通过混合初始化策略和精英解保留策略对天鹰优化算法（aquila optimizer, AO）进行改进，以提高收敛性；利用改进天鹰算法对LSTM的隐含层节点数和学习率进行优化，得到最优LSTM模型；以单一故障和复合故障融合特征向量为输入，以故障状态作为输出，在最优网络模型中训练，完成后进行故障诊断。结果表明，文中所述方法平均准确率达97.2%，适用于OLTC的故障诊断。

关键词

有载分接开关 / 多尺度特征提取 / 优化LSTM神经网络 / 改进天鹰算法 / 故障诊断