1392023年第5期梁荣波等：基于BSA与BP神经网络的矿用变压器故障诊断梁荣波等：基于BSA与BP神经网络的矿用变压器故障诊断基于BSA与BP神经网络的矿用变压器故障诊断梁荣波于灏李军霖（山东钢铁集团日照有限公司焦化厂，山东日照276800）摘要针对矿用变压器故障问题，提出了一种基于鸟群与BP神经网络算法的矿用变压器故障诊断方法。利用鸟群算法对BP神经网络进行优化，利用传统的粒子群算法和此算法分别对BP神经网络进行优化，并对矿用变压器诊断结果进行对比，有效地解决了BP神经网络训练时间长且易陷入局部最优的缺陷。关键词矿用变压器；神经网络；故障诊断中图分类号TM407文献标识码Adoi:10.3969/j.issn.1005-2801.2023.05.045FaultDiagnosisofMiningTransformerBasedonBSAandBPNeuralNetworkLiangRongboYuHaoLiJunlin(ShandongIronandSteelGroupRizhaoCo.,Ltd.,CokingPlant,ShandongRizhao276800)Abstract:Aimingattheproblemofminingtransformerfaults,afaultdiagnosismethodforminingtransformersbasedonbirdswarmandBPneuralnetworkalgorithmisproposed.ThebirdswarmalgorithmisusedtooptimizetheBPneuralnetwork.ThetraditionalparticleswarmalgorithmandthisalgorithmareusedtooptimizetheBPneuralnetwork,andthediagnosticresultsofminingtransformersarecompared.EffectivelysolvingthedefectsoflongtrainingtimeandeasyfallingintolocaloptimaintheBPneuralnetwork.Keywords:miningtransformer;neuralnetwork;faultdiagnosis收稿日期2022-10-15基金项目山东省重点研发计划（2019GGX102049）作者简介梁荣波（1994—），男，山东日照人，2020年毕业于山东科技大学电气工程专业，硕士，助理工程师，现从事炼焦技术工作，研究方向：电力系统自动化。梁荣波等：基于BSA与BP神经网络的矿用变压器故障诊断梁荣波等：基于BSA与BP神经网络的矿用变压器故障诊断矿用变压器故障诊断通常采用油中溶解气体分析的方法，有文献提出将它与BP神经网络相结合，可以很大程度提高故障诊断准确率[1-2]。但是，如果不对BP神经网络权值和阈值进行优化，将会造成训练的次数增多、收敛性较差等问题。将粒子群算法应用到优化BP神经网络，用在变压器故障诊断中，能够有效地缩短搜索的时间，提高准确率。但是粒子群算法不容易跳出局部最优的情况，得到的结果有可能不够准确[3-5]。鸟群算法具有搜索并求取全局最优解的优势，通过利用鸟群算法优化BP神经网络，达到理想...
