| 基于支持向量机的变压器故障诊断方法 |
| |
| 引用本文： | 施竹君,王宝华.基于支持向量机的变压器故障诊断方法[J].计算机系统应用,2017,26(5):163-169. |
| |
| 作者姓名： | 施竹君 王宝华 |
| |
| 作者单位： | 南京理工大学 自动化学院, 南京 210094,南京理工大学 自动化学院, 南京 210094 |
| |
| 摘 要： | 为了提高变压器故障诊断的准确率，提出了一种支持向量机（SVM）和改进布谷鸟算法（WCS）及最速下降法相结合的电力变压器故障诊断方法.引入一种新的惯性权重，解决布谷鸟算法在迭代后期收敛速度下降的问题.利用最速下降法与改进的布谷鸟算法相结合的算法进行SVM参数的寻优，克服了基本的SVM模型容易陷入局部最优的缺陷，从而得到具有最佳参数的支持向量机分类模型，利用LIBSVM工具箱在MATLAB软件平台上训练支持向量机，用训练良好的支持向量机诊断110kV甘棠变电所#1主变压器故障情况.通过实例验证分析表明，采用该算法可以准确、有效地对变压器进行故障诊断；相较于粒子群算法（PSO）、遗传算法（GA）、网格搜索算法（GS）等算法，该方法具有更高的诊断准确率.
|
| 关 键 词： | 支持向量机 布谷鸟算法 最速下降法 故障诊断 分类模型 |
| 收稿时间： | 2016/8/1 0:00:00 |
| 修稿时间： | 2016/8/31 0:00:00 |
Method for Fault Diagnosis of Transformer Based on Support Vector Machine |
| |
| SHI Zhu-Jun and WANG Bao-Hua.Method for Fault Diagnosis of Transformer Based on Support Vector Machine[J].Computer Systems& Applications,2017,26(5):163-169. |
| |
| Authors: | SHI Zhu-Jun and WANG Bao-Hua |
| |
| Affiliation: | School of Automation, Nanjing University of Science and Technology, Nanjing 210094, China and School of Automation, Nanjing University of Science and Technology, Nanjing 210094, China |
| |
| Abstract: | |
| |
| Keywords: | support vector machine cuckoo search algorithm steepest descent fault diagnosis classification model |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
