| 摘 要： | 针对支持向量机（support vector machines,SVM）变压器故障诊断模型存在正确率低、运行时间长的问题，提出一种基于秃鹰搜索算法（bald eagle search,BES）优化SVM的变压器故障诊断模型。首先，选取4个测试函数对BES算法进行性能测试，并与布谷鸟算法（cuckoo search,CS）、人工蜂群算法（artificial bee colony,ABC）和萤火虫算法（firefly algorithm,FA）进行对比，结果表明BES算法不论是收敛速度还是泛化能力都有更好的优化性能。然后，采用BES算法对SVM的核函数参数g和c进行优化，建立了基于油中溶解气体分析（dissolved gas analysis,DGA）的BESSVM变压器故障诊断模型，并与ELM、SVM、CS-SVM、ABC-SVM、FA-SVM故障诊断模型进行仿真实验对比。结果表明，BES-SVM故障诊断模型综合正确率为98.67%，比上述对比故障诊断模型分别提高了22.67%、20%、13.34%、12%、10.67%，且运行时间最短，所提BES-SVM变压器故障诊断模型具有更好的故...
|
