【摘要】：針對(duì)傳統(tǒng)蝙蝠算法收斂速度慢,求解精度低,易陷入局部最優(yōu)等缺點(diǎn),提出一種在速度公式中加入自學(xué)習(xí)因子并在位置公式中加入比例權(quán)重系數(shù)的改進(jìn)方法。利用改進(jìn)的蝙蝠算法對(duì)影響支持向量機(jī)分類精度的兩個(gè)主要參數(shù)C和g進(jìn)行尋優(yōu),獲得最佳的參數(shù)組合并建立故障診斷模型,再結(jié)合溶解氣體分析(DGA)數(shù)據(jù)獲得故障診斷結(jié)果。實(shí)驗(yàn)表明,改進(jìn)后的蝙蝠算法可以加快算法的收斂速度并提高求解精度。通過與傳統(tǒng)的蝙蝠算法、粒子群算法、遺傳算法尋優(yōu)SVM獲得故障診斷結(jié)果相比較,所提改進(jìn)蝙蝠算法具有更高的故障正判率。
【圖文】：

”等，其中“一對(duì)一”和“一對(duì)多”的應(yīng)用比較廣泛。由于變壓器故障診斷需要很好的泛化能力和精度，，因此本文選擇“二叉樹”方法構(gòu)建變壓器故障診斷模型。1．3改進(jìn)型蝙蝠算法優(yōu)化SVM參數(shù)模型SVM的分類精度σ主要是受兩個(gè)參數(shù)C、g的影響(C是懲罰因子，表示對(duì)超出誤差樣本的懲罰程度、g表示徑向基函數(shù)的寬度)。由于通過傳統(tǒng)方法獲得核函數(shù)的分類效果不佳，因此，本文采用改進(jìn)蝙蝠算法尋求最優(yōu)的SVM參數(shù)�；诟倪M(jìn)型蝙蝠算法的SVM參數(shù)優(yōu)化流程圖如圖1所示，完整步驟如下:1)設(shè)置蝙蝠種群。蝙蝠種群的大小為sol、維數(shù)為D、脈沖速率為Ｒ、脈沖頻率為F、最大迭代數(shù)為Ngen。2)蝙蝠個(gè)體初始化。利用Xmin+rand(1，D)×(Xmax－Xmin)產(chǎn)生蝙蝠個(gè)體，構(gòu)成初始蝙蝠種群。3)計(jì)算每個(gè)蝙蝠的適應(yīng)度值并確定最優(yōu)蝙蝠的位置。將所有蝙蝠個(gè)體作為SVM的參數(shù)在訓(xùn)練集上進(jìn)行訓(xùn)練，并在測(cè)試集上進(jìn)行測(cè)試。得到的數(shù)值作為對(duì)應(yīng)蝙蝠的適應(yīng)度值并且輸出，根據(jù)返回的適應(yīng)度值的大小，找到最優(yōu)的蝙蝠個(gè)體Xbest。4)生成新蝙蝠個(gè)體。根據(jù)傳統(tǒng)蝙蝠算法基本公式分別更新脈沖頻率Fi與飛行速度Vi，生成新的蝙蝠個(gè)體Xnew。5)更新蝙蝠個(gè)體。①產(chǎn)生一個(gè)隨機(jī)數(shù)rand1，如果rand1＞Ｒi，則對(duì)當(dāng)前群體中最優(yōu)蝙蝠個(gè)體Xbest的鄰域進(jìn)行隨機(jī)擾動(dòng)，獲得一個(gè)新的蝙蝠個(gè)體，而后用新蝙蝠個(gè)體替換圖1改進(jìn)蝙蝠算法優(yōu)化SVM流程圖Fig．1FlowchartofimprovedbatalgorithmtooptimizeSVM·21·黑龍江電力第41卷

?。變壓器故障特征將變壓器運(yùn)行狀態(tài)分為6類，即高能放電、低能放電、高溫過熱、中低溫過熱、局部放電、正常狀態(tài)，分別用標(biāo)簽1～6代表上述變壓器狀態(tài)。由于不同變壓器內(nèi)氣體含量不同，將收集到DGA中的各項(xiàng)氣體相對(duì)含量作為支持向量機(jī)模型的輸入，利用典型故障氣體的相對(duì)含量在高維空間的分布特性進(jìn)行變壓器故障類型判斷。2．2變壓器故障診斷的實(shí)現(xiàn)過程利用改進(jìn)型蝙蝠算法優(yōu)化SVM參數(shù)從而獲得最佳分類器，并利用獲得的最佳分類器構(gòu)建變壓器故障診斷模型，具體實(shí)現(xiàn)流程圖如圖2所示。3實(shí)例分析收集了260組DGA數(shù)據(jù)且每組數(shù)據(jù)都有明確的故障結(jié)論。將樣本集分為兩組:訓(xùn)練集和測(cè)試集，訓(xùn)練集有170個(gè)樣本，測(cè)試集有90個(gè)樣本，具體的樣本分類如表1所示。對(duì)于n個(gè)故障類型，采用“二叉樹”的分類方法需要n－1個(gè)SVM，所以針對(duì)上述6種變壓器狀態(tài)需要5個(gè)SVM分類器。將編號(hào)為1～6的6種變壓器狀態(tài)作為輸入(SVM1)，若判斷為第1種變壓器狀態(tài)則輸出編號(hào)為1對(duì)應(yīng)的狀態(tài)，否則輸出除編號(hào)為1的所有狀態(tài)。按照此方法依次類推直到將6種變壓器狀態(tài)完全分開，達(dá)到最終分類的目的。具體的診斷模型如圖3所示。圖2基于改進(jìn)型蝙蝠算法優(yōu)化SVM的變壓器故障診斷實(shí)現(xiàn)過程流程圖Fig．2FlowchartoftransformerfaultdiagnosisprocessbasedonimprovedbatalgorithmtooptimizeSVM表1訓(xùn)練集和測(cè)試集樣本分類Table1Sampleclassificationoftrainingsetsandtestsets樣本標(biāo)簽123456訓(xùn)練集303030303020測(cè)試集151515151515圖3分類診斷模型Fig．3Classificationdiagnosismodel第

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 陳媛媛;王志斌;王召巴;;基于改進(jìn)蝙蝠算法的紅外光譜特征選擇[J];紅外與激光工程;2014年08期

2 韓世軍;朱菊;毛吉貴;詹汶燕;;基于粒子群優(yōu)化支持向量機(jī)的變壓器故障診斷[J];電測(cè)與儀表;2014年11期

3 鄭蕊蕊;趙繼印;趙婷婷;李敏;;基于遺傳支持向量機(jī)和灰色人工免疫算法的電力變壓器故障診斷[J];中國電機(jī)工程學(xué)報(bào);2011年07期

4 黎成;;新型元啟發(fā)式蝙蝠算法[J];電腦知識(shí)與技術(shù);2010年23期

5 費(fèi)勝巍;苗玉彬;劉成良;張曉斌;;基于粒子群優(yōu)化支持向量機(jī)的變壓器故障診斷[J];高電壓技術(shù);2009年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 任燕;;基于質(zhì)心策略的蝙蝠算法研究[J];科技資訊;2015年35期

2 周nv;王時(shí)征;廖瑞金;孫超;解慧力;饒俊星;;基于AdaBoost優(yōu)化云理論的變壓器故障診斷方法[J];高電壓技術(shù);2015年11期

3 鄧祥力;謝海遠(yuǎn);熊小伏;高亮;;基于支持向量機(jī)和有限元分析的變壓器繞組變形分類方法[J];中國電機(jī)工程學(xué)報(bào);2015年22期

4 沈淵彬;劉慶珍;李友軍;蘇申;;基于模糊組合權(quán)重的BA-SVM短期負(fù)荷預(yù)測(cè)[J];南昌大學(xué)學(xué)報(bào)(工科版);2015年03期

5 陳鵬;;結(jié)合KPCA的陰性選擇變壓器故障診斷[J];高壓電器;2015年09期

6 張登峰;張志飛;章兢;;基于非線性映射的分類器及其在變壓器故障診斷中的應(yīng)用研究[J];湘潭大學(xué)自然科學(xué)學(xué)報(bào);2015年03期

7 張桔;;電力變壓器故障診斷方法研究[J];機(jī)電信息;2015年24期

8 張彬;徐建源;陳江波;李輝;林莘;臧狀;;基于電力變壓器振動(dòng)信息的繞組形變?cè)\斷方法[J];高電壓技術(shù);2015年07期

9 張炎亮;劉陽;王金鳳;;基于改進(jìn)SVM的煤礦水災(zāi)害救援組織系統(tǒng)可靠性預(yù)測(cè)[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2015年03期

10 胥威汀;戴松靈;張全明;杜新偉;任志超;;區(qū)域互聯(lián)電網(wǎng)故障解列方法綜述[J];中國電機(jī)工程學(xué)報(bào);2015年11期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭騰霄;丁學(xué)全;董曉強(qiáng);穆寧;黃啟斌;李翠萍;溫紅宇;;基于EMD的紅外遙測(cè)光譜信號(hào)預(yù)處理新方法[J];紅外與激光工程;2013年12期

2 周鑫;楊國華;朱向芬;陳琳;丁曉花;周世文;肖龍;;歐氏距離二叉樹向量機(jī)的變壓器故障診斷研究[J];電測(cè)與儀表;2013年06期

3 秦玉華;丁香乾;宮會(huì)麗;;高維特征選擇方法在近紅外光譜分類中的應(yīng)用[J];紅外與激光工程;2013年05期

4 周天沛;孫偉;;基于改進(jìn)粒子群優(yōu)化算法的最大風(fēng)能跟蹤方法[J];電測(cè)與儀表;2013年02期

5 劉長(zhǎng)平;葉春明;;具有Lévy飛行特征的蝙蝠算法[J];智能系統(tǒng)學(xué)報(bào);2013年03期

6 劉耀年;尹洪全;張偉;李振清;沈量;;基于改進(jìn)粒子群算法的配電網(wǎng)狀態(tài)估計(jì)[J];電測(cè)與儀表;2012年09期

7 洪明堅(jiān);溫泉;溫志渝;;一種基于蒙特卡羅方法的近紅外波長(zhǎng)選擇算法[J];光學(xué)學(xué)報(bào);2010年12期

8 薄玉玲;姜靜清;孫艷紅;;粒子群優(yōu)化算法研究進(jìn)展[J];內(nèi)蒙古民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年06期

9 張長(zhǎng)勝;孫吉貴;歐陽丹彤;;一種自適應(yīng)離散粒子群算法及其應(yīng)用研究[J];電子學(xué)報(bào);2009年02期

10 李紅芳;張清華;謝克明;;一種新型免疫網(wǎng)絡(luò)學(xué)習(xí)算法在故障診斷中的應(yīng)用[J];智能系統(tǒng)學(xué)報(bào);2008年05期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田曉飛;;基于改進(jìn)蝙蝠算法優(yōu)化支持向量機(jī)的變壓器故障診斷研究[J];黑龍江電力;2019年01期

2 喬維德;;基于模擬退火改進(jìn)粒子群混合算法的變壓器故障診斷[J];高壓電器;2008年03期

3 王少芳,蔡金錠,劉慶珍;基于改進(jìn)GA-BP混合算法的電力變壓器故障診斷[J];電網(wǎng)技術(shù);2004年04期

4 傅軍棟;陳俐;康水華;馮奕軒;;基于蜻蜓算法和支持向量機(jī)的變壓器故障診斷[J];華東交通大學(xué)學(xué)報(bào);2016年04期

5 李秀廣;韓富春;;一種基于思維進(jìn)化算法的變壓器故障診斷方法[J];電氣技術(shù);2009年03期

6 賈立敬;;基于混合算法與支持向量機(jī)的電力變壓器故障診斷[J];電氣開關(guān);2017年03期

7 趙鋒;;基于支持向量機(jī)的變壓器故障診斷[J];中國電業(yè)(技術(shù)版);2011年11期

8 孟宏鵬;徐海燕;宋遐淦;;基于粗糙集屬性約簡(jiǎn)和支持向量機(jī)的變壓器故障診斷[J];南京航空航天大學(xué)學(xué)報(bào);2017年04期

9 臧宏志,徐建政,俞曉冬;結(jié)合進(jìn)化算法的人工神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷中的應(yīng)用[J];高壓電器;2002年04期

10 黃明明;施建強(qiáng);顧捷;;基于改進(jìn)支持向量機(jī)的變壓器故障診斷[J];南京工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2018年02期

相關(guān)會(huì)議論文 前10條

1 周倩;翟永杰;韓璞;;序列最小優(yōu)化算法在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用[A];第二十六屆中國控制會(huì)議論文集[C];2007年

2 卞建鵬;廖瑞金;楊麗君;鄭含博;;基于均值核聚類與二叉樹支持向量機(jī)的變壓器故障診斷新技術(shù)的研究[A];重慶市電機(jī)工程學(xué)會(huì)2010年學(xué)術(shù)會(huì)議論文集[C];2010年

3 于虹;張永剛;;基于模擬退火和支持向量機(jī)理論的變壓器故障診斷方法[A];2011年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2011年

4 于虹;張永剛;;基于模擬退火和支持向量機(jī)理論的變壓器故障診斷方法[A];2011年云南電力技術(shù)論壇論文集（入選部分）[C];2011年

5 于虹;孫鵬;;基于粗糙集和支持向量機(jī)理論的變壓器故障診斷方法[A];2010年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2010年

6 王邦林;段一雄;;基于C語言變壓器故障診斷灰關(guān)聯(lián)度計(jì)算研究[A];2009年云南電力技術(shù)論壇論文集（文摘部分）[C];2009年

7 周柯;羅安;;信息融合技術(shù)在變壓器故障診斷中的應(yīng)用[A];2009年全國輸變電設(shè)備狀態(tài)檢修技術(shù)交流研討會(huì)論文集[C];2009年

8 禹建麗;周瑞芳;;一種基于神經(jīng)網(wǎng)絡(luò)和模糊理論的變壓器故障診斷[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第四分冊(cè)）[C];2013年

9 李銳;;化學(xué)技術(shù)監(jiān)督在變壓器故障診斷中的應(yīng)用[A];2009年云南電力技術(shù)論壇論文集（文摘部分）[C];2009年

10 李銳;;化學(xué)技術(shù)監(jiān)督在變壓器故障診斷中的應(yīng)用[A];2009年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 廣西龍州縣鴨水電廠 王f ;變壓器故障診斷方法的探討[N];中華合作時(shí)報(bào);2004年

2 本報(bào)記者 宋曉華;“他們掌握的還是我們十年前的算法”[N];新華日?qǐng)?bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 趙文清;基于數(shù)據(jù)挖掘的變壓器故障診斷和預(yù)測(cè)研究[D];華北電力大學(xué)（河北）;2009年

2 鄧宏貴;可拓理論與關(guān)聯(lián)分析及其在變壓器故障診斷中的應(yīng)用[D];中南大學(xué);2005年

3 蘇宏升;軟計(jì)算方法及其在電力系統(tǒng)故障診斷中的若干應(yīng)用研究[D];西南交通大學(xué);2007年

4 司馬莉萍;基于改進(jìn)支持向量機(jī)的電力變壓器故障診斷與預(yù)測(cè)方法的研究[D];武漢大學(xué);2012年

5 鄭元兵;變壓器故障診斷與預(yù)測(cè)集成學(xué)習(xí)方法及維修決策模型研究[D];重慶大學(xué);2011年

6 陳舵;模糊聚類分析及其在電力變壓器故障診斷中的應(yīng)用研究[D];西安理工大學(xué);2008年

7 鄭蕊蕊;智能信息處理理論的電力變壓器故障診斷方法[D];吉林大學(xué);2010年

8 尹金良;基于相關(guān)向量機(jī)的油浸式電力變壓器故障診斷方法研究[D];華北電力大學(xué);2013年

9 張利偉;油浸式電力變壓器故障診斷方法研究[D];華北電力大學(xué);2014年

10 武中利;電力變壓器故障診斷方法研究[D];華北電力大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 陸靜;蟻群算法在變壓器故障診斷中的應(yīng)用研究[D];南京航空航天大學(xué);2008年

2 趙永雷;基于模糊聚類新算法的變壓器故障診斷研究[D];華北電力大學(xué);2012年

3 李秀廣;基于思維進(jìn)化算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[D];太原理工大學(xué);2010年

4 孫中偉;改進(jìn)支持向量機(jī)在油浸變壓器故障診斷與預(yù)測(cè)中的應(yīng)用[D];華北電力大學(xué)（河北）;2010年

5 張?zhí)?基于人工免疫思維進(jìn)化算法的變壓器故障診斷[D];湘潭大學(xué);2011年

6 李本鋅;智能算法在油浸式變壓器故障診斷中的應(yīng)用研究[D];華東交通大學(xué);2015年

7 鄧浩;基于膜計(jì)算的變壓器故障診斷研究[D];西華大學(xué);2012年

8 施竹君;變壓器故障診斷與定位研究[D];南京理工大學(xué);2017年

9 祖文超;基于油中溶解氣體的支持向量機(jī)變壓器故障診斷[D];華北電力大學(xué);2013年

10 鄭建柏;支持向量機(jī)的變壓器故障診斷應(yīng)用研究[D];華北電力大學(xué)（河北）;2008年

本文編號(hào)：2689712