基于天牛须搜索优化支持向量机的变压器故障诊断研究

摘要：

为了准确地判断变压器绕组是否出现故障,保证变压器供电的可靠性,提出了一种基于天牛须搜索算法优化支持向量机(BAS-SVM)的变压器绕组故障诊断方法.采用支持向量机(SVM)作为变压器绕组形变程度的分类器,并应用天牛须算法对SVM的核函数和惩罚因子进行优化,通过人工经验训练BAS-SVM,使其具有很高的故障诊断精度.为了比较BAS-SVM算法在变压器绕组故障诊断的优越性,采用改进的粒子群优化算法(MPSO)优化SVM.通过仿真验证,BAS-SVM算法的故障诊断准确率比MPSO-SVM算法的故障诊断准确率高10％.最后通过实例验证了BAS-SVM算法对变压器绕组故障诊断的可行性.

关键词：变压器、故障诊断、BAS-SVM、绕组变形、MPSO-SVM

所属期刊栏目：48

资助基金：国家电网公司总部科技项目资助;国网河南省电力公司2019年科技项目资助

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：90-96