摘要：为了提高变压器故障诊断的准确率,提出一种基于量子粒子群优化BP神经网络（quantum particle swarm optimized BP neural network,QPSO-BP）的故障诊断模型。在该算法中,用量子位的概率幅表示种群中各粒子的当前位置,用量子旋转门实现粒子位置的移动,用量子非门进行变异操作,以获取BP神经网络的权、阈值优化参数,最终实现了变压器故障诊断模型的构建。对故障DGA样本的诊断实例表明,与粒子群优化BP网络（particle swarm optimized BP neural network,PSO-BP）法、BPNN法以及IEC三比值法相比,QPSO-BP算法具有更高的诊断正确率,从而实现了变压器故障模式的有效识别。

关键词：量子粒子群算法 神经网络 变压器 故障诊断 溶解气体分析 

单位：红河学院工学院 云南蒙自661199