基于改进粒子群算法优化SVM的变压器故障诊断

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。