基于改进粒子群算法优化SVM的变压器故障诊断 |
| |
引用本文: | 石延辉,杨洋,廖毅,洪乐洲,廖名洋,逄帅.基于改进粒子群算法优化SVM的变压器故障诊断[J].武汉大学学报(工学版),2023(10):1238-1244. |
| |
作者姓名: | 石延辉 杨洋 廖毅 洪乐洲 廖名洋 逄帅 |
| |
作者单位: | 1. 中国南方电网超高压输电公司广州局;2. 武汉大学电气与自动化学院 |
| |
摘 要: | 为提高变压器的运行可靠性,提出一种基于核主成分分析(kernel principal component analysis,KPCA)和改进粒子群优化(improved particle swarm optimization,IPSO)算法优化支持向量机(support vector machines, SVM)参数的变压器故障诊断方法。首先建立变压器状态评估的基础指标体系,并采用KPCA对基础指标进行关键参量的提取,得到降维后的评价指标,然后将其输入SVM训练诊断模型,最后采用IPSO对SVM进行参数优化。仿真结果表明,该方法对变压器故障诊断的准确率达到95.42%,相比KPCA-PSO-SVM以及KPCA-SVM诊断模型,准确率有显著提升。
|
关 键 词: | 变压器 故障诊断 核主成分分析 粒子群算法 支持向量机 |
|
|