本文關(guān)鍵詞：基于多分類最小二乘支持向量機(jī)和改進(jìn)粒子群優(yōu)化算法的電力變壓器故障診斷方法　出處：《高電壓技術(shù)》2014年11期 　論文類型：期刊論文

  更多相關(guān)文章： 最小二乘支持向量機(jī) 多類分類 粒子群優(yōu)化 故障診斷 電力變壓器 準(zhǔn)確率

【摘要】：為了提高故障診斷的準(zhǔn)確率,提出了一種多分類最小二乘支持向量機(jī)(LS-SVM)和改進(jìn)粒子群優(yōu)化(PSO)相結(jié)合的電力變壓器故障診斷方法。引入最小輸出編碼構(gòu)造多個2分類LS-SVM,實(shí)現(xiàn)了變壓器診斷的多類分類。利用PSO算法獲得LS-SVM診斷模型的最優(yōu)參數(shù),并采用交叉驗(yàn)證原理來提高分類算法的整體泛化性能。實(shí)例分析結(jié)果表明,采用LS-SVM和PSO算法可以準(zhǔn)確、有效地對變壓器進(jìn)行故障診斷;與傳統(tǒng)的電力變壓器故障診斷方法相比,該方法的診斷準(zhǔn)確率更高。
[Abstract]:In order to improve the accuracy of fault diagnosis. A multi-classification least squares support vector machine (LS-SVM) and improved particle swarm optimization (PSO) are proposed. Combined power transformer fault diagnosis method. The minimum output code is introduced to construct multiple two-class LS-SVM. The multi-class classification of transformer diagnosis is realized, and the optimal parameters of LS-SVM diagnosis model are obtained by using PSO algorithm. The principle of cross validation is adopted to improve the generalization performance of the classification algorithm. The results of the example analysis show that the fault diagnosis of transformer can be done accurately and effectively by using LS-SVM and PSO algorithms. Compared with the traditional power transformer fault diagnosis method, the accuracy of this method is higher.
【作者單位】： 國網(wǎng)河南省電力公司電力科學(xué)研究院;
【分類號】：TM41
【正文快照】： 0引言電力變壓器是電網(wǎng)中進(jìn)行能量轉(zhuǎn)換、傳輸?shù)暮诵?是電網(wǎng)安全運(yùn)行的關(guān)鍵設(shè)備[1-2]。我國目前已有較多的變壓器,其運(yùn)行年限已超過15 a,設(shè)備自身存在著諸如絕緣老化等各種故障隱患[3],發(fā)生事故的概率也不斷增加。一旦電力變壓器發(fā)生事故,則可能會引起電網(wǎng)大停電,對中國社會經(jīng)

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 陳小青;劉覺民;黃英偉;付波;;采用改進(jìn)人工魚群優(yōu)化粗糙集算法的變壓器故障診斷[J];高電壓技術(shù);2012年06期

2 趙文清;李慶良;王德文;;基于多模型的變壓器故障組合診斷研究[J];高電壓技術(shù);2013年02期

3 白翠粉;高文勝;金雷;于文軒;朱文俊;;基于3層貝葉斯網(wǎng)絡(luò)的變壓器綜合故障診斷[J];高電壓技術(shù);2013年02期

4 王永強(qiáng);律方成;李和明;;基于粗糙集理論和貝葉斯網(wǎng)絡(luò)的電力變壓器故障診斷方法[J];中國電機(jī)工程學(xué)報;2006年08期

5 陳偉根;潘，

本文編號：1378931