基于ReliefF和HPO-SVM的变压器故障检测方法*

为提高油浸式电力变压器故障诊断的判断正确率，提出了一种利用ReliefF特征权重法、HPO-SVM模型和油中溶解气体分析法(DGA)相结合的故障诊断方法。首先，该方法引入特征权重算法对输入量进行筛选降维；其次，采用猎食者优化算法对概率神经网络模型进行了优化，利用SVM模型处理DGA比值集合，最终得到变压器的故障诊断结果。实验结果表明，采用ReliefF特征权重算法进行降维的模型拥有更高的诊断精确度。实验结果证明HPO-SVM、GWO-SVM、WOA-SVM、PSO-SVM的平均故障判断准确率分别为94%、91.33%、90%、83.33%。仿真结果表明，优选后的混合特征模型诊断正确率更高，证实了此方案的优越性。