基于差分进化算法优化支持向量机的柴油机故障诊断

针对支持向量机核函数参数和惩罚因子的不同取值会影响到柴油机故障分类正确率的问题,提出利用差分进化算法对支持向量机相关参数进行选择优化,并在实际中通过柴油机故障诊断实验证明了该方法能够获得较高的故障分类正确率,而且运行时间较短,即说明该方法具有一定的实用性。     

基于DGA的差分进化支持向量机电力变压器故障诊断

针对支持向量机中参数选择严重影响分类效果的特点,提出采用差分进化算法对核函数g和惩罚因子c进行优化,得到最优的支持向量机模型,用于变压器的故障诊断。在简单介绍支持向量机的基础上,分析了采用差分进化算法对支持向量机优化的可行性。通过将收集的数据样本进行预处理,再利用差分进化的变异、交叉和选择对高斯径向基核函数进行优化,搜索出最优(c,g),并对得到的参数进行验证,获得最优的支持向量机模型。仿真实验表明,与SVM、GRID-SVM、GA-SVM、PSO-SVM相比,该方法误判率最低、全局寻优能力及鲁棒性较好。     

基于差分进化优化的支持向量机燃料电池故障诊断

质子交换膜燃料电池是一种多耦合非线性的复杂系统,电堆内部的水淹和膜干故障是其运行过程中最常见的故障.基于差分进化算法优化的支持向量机方法,可以用于燃料电池故障诊断,该方法在传统的支持向量机模型上增加了主成分提取和差分进化算法寻找最优参数,使模型得到更好的训练效果.采用电堆20片单电池电压为数据集进行相关的故障验证分析,结果表明:通过差分进化算法优化的支持向量机在燃料电池故障诊断中有着较高的准确度,具有一定的工程应用价值.     

基于差分进化算法与BP神经网络的变压器故障诊断

针对BP神经网络在识别变压器故障时容易陷入局部最优、诊断精度低、收敛速度慢等缺点,提出一种自适应差分进化算法与BP神经网络相结合的变压器故障诊断方法。该方法采用差分进化算法优化BP神经网络初始权值和阈值,将优化结果赋值BP神经网络进行网络训练,最终得到用于变压器故障诊断的最佳网络模型。实验结果表明,该组合算法比传统BP神经网络具有更高的诊断精度和更快的收敛速度,是一种更适合变压器故障诊断的高效方法。     

进化规划算法在变压器故障诊断中的应用

人工神经网络常用的 BP算法有易陷入局部极小、收敛速度慢等缺点 ,故利用进化规划来快速求取近年广泛应用于变压器故障诊断的人工神经网络的参数 ,完成该网络的训练 ,实现变压器故障诊断 ,实例分析效果很好     

机器学习在变压器故障诊断中的应用

当前变压器故障诊断主要采用油中气体分析法(IEC三比值法),在实际应用中诊断的准确率偏低,只有80％左右.通过将机器学习与变压器故障诊断相结合,搭建了故障诊断模型,同时采用集成学习,综合多个基分类器,将故障识别的准确率提高到了92.5％.     

数据挖掘技术在变压器故障诊断中的应用

为克服支持向量机在求解二次规划问题时运算过程复杂、计算时间过长、收敛速度缓慢的问题,提出一种基于加权最小二乘的SVM变压器故障诊断方法,并通过粒子群算法对参数进行优化,可以充分保证计算速度和较高故障判断精度。实例分析验证了该模型能确定变压器故障种类,且具有较高的正确率。     

模糊支持向量机在变压器故障诊断中的应用

为了解决在变压器故障诊断时复杂难辨的问题,提出了利用模糊支持向量机构建变压器故障诊断模型的方法。该方法是在支持向量机(SVM)的基础上引入模糊度隶属函数,从而有效消除噪声和野点对诊断结果的影响。通过模糊C均值算法(FCM)求取模糊支持向量机的隶属度,对所得样本进行预处理,然后利用交叉验证和网格搜索相结合的方法对支持向量机进行参数寻优。实验表明,该方法比改良IEC比值法和传统支持向量机法具有更高的准确率,更适用于变压器故障诊断。     

基于差分进化算法的模糊核聚类算法及其 在故障诊断中的应用

针对模糊核聚类方法中,核函数参数的确定问题以及聚类结果的有效评价问题,提出采用差分进化算法进行核函数参数和聚类中心的同时寻优策略。并将Xie-Beni指标推广至核空间,设计了有效的适应度函数以实现聚类效果的提升。对所提出的方法进行数值试验,同时应用在电机轴承的故障诊断中,取得了不错的效果,验证了方法的可行性。     

基于布谷鸟算法和支持向量机的变压器故障诊断

电力变压器是电力系统运行中的重要设备之一,对故障和缺陷进行正确的诊断,关系到整个电网的运行安全。支持向量机(SVM)能够较好地解决小样本、非线性特征的多分类问题,适用于变压器故障类型判断。利用布谷鸟搜索算法,对支持向量机进行寻优得到全局最优解,从而得到具有最佳参数的支持向量机分类模型。该分类模型将变压器油色谱数据(DGA)中各气体相对含量作为评估指标,将变压器的故障分为低能放电、高能放电、中低温过热、高温过热等4个故障类型。通过已有的数据实例分析得出,利用布谷鸟搜索算法得到的分类模型比常用的网格搜索算法(GS)、粒子群搜索算法(PSO)、遗传算法搜索(GA)等算法得到的模型拟合准确率更好。     

基于DGA特征量优选与改进磷虾群算法优化支持向量机的变压器故障诊断模型

针对单一的特征气体或特征气体比值作为DGA特征量无法全面反映变压器故障分类的问题,本文从混合DGA特征量中优选出一组DGA新特征组合为输入,建立改进磷虾群(Improved Krill Herd,IKH)算法优化支持向量机(Support vector machine,SVM)的变压器故障诊断模型进行故障诊断。将SVM的c和s与11种候选特征量进行二进制编码,利用遗传算法结合支持向量机对DGA特征量进行优选,得到一组最优DGA新特征组合;利用IKH算法对SVM的参数进行优化,同时结合交叉验证原理构建IKH算法优化SVM的变压器故障诊断模型。基于IEC TC 10的诊断结果表明：与DGA全数据、三比值特征量相比,新DGA特征组合的故障诊断准确率分别高出10.14%和30.2%;IKHSVM准确率也要高于标准SVM和GASVM(分别为73.87%、81.13%和86.27%),说明该方法能有效诊断变压器故障。     

基于模糊模块化网络的电力变压器故障诊断

建立了变压器故障诊断的模糊模块化网络模型,实现对电力变压器的故障诊断.     

混合型智能故障诊断方法在变压器运行中应用

介绍了一种可应用于变压器的混合型智能故障诊断方法。     

用非电气法诊断大型变压器故障

介绍了应用扫描电镜测量元素法、红外成像分析法、等离子发射光谱法检测大型变压器故障的实例.     

改进型灰色关联算法在变压器故障诊断中的应用研究

本文中作者介绍了灰色关联度分析的计算方法,分析了改进型灰色关联算法的基本原理,结合实例对改进型灰色关联算法在变压器故障诊断中的应用进行了研究。     

一相500kV主变内部故障的诊断

对引起一台主变压器故障的原因进行了分析与判断,提出对变压器的内部故障要结合历年试验数据和多种测试方法进行综合判断。     

色谱分析在变压器故障诊断中的应用和探讨

对变压器油色谱分析中出现的一些问题进行了分析,并对其处理方法进行了探讨。     

油中溶解气体分析在变压器故障诊断中的应用

对油中溶解气体在变压器故障诊断中的应用进行了分析。     

故障录波信息在变压器绕组变形诊断中的应用

本文中作者介绍了基于故障录波信息的变压器漏电感辨识及其在变压器绕组变形诊断中的应用方法,并分析了实例。     

浅谈如何应用溶解气体分析法诊断变压器故障

对应用溶解气体分析法诊断变顺的内部故障的有关问题进行了研究讨论，并结合实例进行分析，提出了如何正确判断变压器故障的看法。