摘要：變壓器油是電力變壓器中的主要絕緣物質之一,油的密度指標與變壓器的安全運行息息相關。文中基于多頻超聲波、遺傳算法-反向傳播神經網絡(GA-BPNN)的原理,對變壓器油密度進行了預測研究。以電網公司110組變壓器油為例,其中100組為訓練集,10組為預測集。建立了基于BPNN的變壓器油密度預測模型,并將242維多頻超聲數據作為輸入,密度作為輸出。通過試驗法確定了BPNN的隱層神經元個數,由此建立非線性映射關系,并用遺傳算法優化BPNN的各層連接權值及閾值。結果表明,與傳統的標準BPNN模型相比,GA-PNN模型的變壓器油密度值與實際值擬合度更高,誤差更小。研究結果為檢測變壓器油的其他參數提供了可靠的依據。