基于VSRP与β-GWO-SVM的变压器故障辨识方法 |
| |
引用本文: | 谢国民,倪乐水,曹媛.基于VSRP与β-GWO-SVM的变压器故障辨识方法[J].高电压技术,2021,47(10):3635-3641. |
| |
作者姓名: | 谢国民 倪乐水 曹媛 |
| |
作者单位: | 辽宁工程技术大学电气与控制工程学院,葫芦岛125105 |
| |
摘 要: | 针对变压器故障诊断准确率低的问题,提出一种基于VSRP与β-GWO-SVM的变压器故障诊断方法.首先,采用非常稀疏随机投影(very sparse random projection,VSRP)对原始数据进行维数约减,消除变量信息之间的冗余特征;其次,用β-混沌序列优化的灰狼算法(β-chaotic map enabled grey wolf optimizer,β-GWO)动态寻优支持向量机(support vector machine,SVM)的核参数与惩罚因子,获取VSRP与β-GWO-SVM相结合的综合故障诊断模型;最后,将实际变压器故障数据输入诊断模型,并与传统灰狼优化支持向量机模型(GWO-SVM)、粒子群优化支持向量机模型(particle swarm optimization-SVM,PSO-SVM)进行对比验证,诊断精度分别为91.87%、82.13%、75.10%,结果表明该文所提方法能够有效地提升变压器故障诊断性能.
|
关 键 词: | 变压器 故障诊断 非常稀疏随机投影 改进灰狼算法 支持向量机 |
本文献已被 CNKI 万方数据 等数据库收录! |
|