基于粒子群优化支持向量机的变压器故障诊断

摘要：

为了克服了人工神经网络(ANN)中存在的过拟合、收敛速度慢、容易陷入局部极值等缺点,提出了基于粒子群优化支持向量机(PSO-SVM)的变压器故障诊断方法.即将粒子群优化算法(PSO)用于SVM参数优化.PSO是一种智能群体搜索方法,它源于对鸟类捕食行为的研究.这种方法不仅具有很强的全局搜索能力,而且容易实现,适合于SVM参数优化.变压器故障诊断实例分析结果证明,PSO-SVM的诊断精度高于IEC三比值法、BP神经网络、普通的SVM,PSO-SVM适用于电力变压器故障诊断.

关键词：故障诊断、粒子群优化、支持向量机、电力变压器、参数优化、分类算法、统计学习理论

所属期刊栏目：35

分类号：TM407(变压器、变流器及电抗器)

资助基金：国家高技术研究发展计划8632007AA102209,2007AA042434

在线出版日期：2011-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：509-513