基于支持向量机和遗传算法的变压器故障诊断

摘要：

为了提高变压器故障诊断准确率,该文提出了一种基于支持向量机(support vector machine,SVM)和遗传算法(genetic algorithm,GA)的电力变压器故障诊断方法.基于5种常用油中溶解气体分析方法的20种不同输入建立初始特征集合,采用二进制方式将支持向量机惩罚因子、核参数及特征子集编码至遗传算法染色体,建立基于5折交叉验证正确率的适应度函数,联合优化最优特征子集和支持向量机参数组合.然后依据最优特征子集和参数组合训练诊断模型,并利用测试集和故障实例验证诊断性能.实例分析结果表明:该方法能准确、有效地诊断变压器故障,比基于传统特征子集的支持向量机-遗传算法模型、IEC三比值法、反向传播神经网络和朴素Bayes等方法具有更高的诊断准确率.

关键词：故障诊断、油中溶解气分析、支持向量机(SVM)、遗传算法(GA)

所属期刊栏目：58

分类号：TP277(自动化技术及设备)

资助基金：国家高技术研究发展计划（863计划）2015AA050201

在线出版日期：2018-09-13（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：623-629