為了準(zhǔn)確地判斷變壓器繞組是否出現(xiàn)故障,保證變壓器供電的可靠性,提出了一種基于天牛須搜索算法優(yōu)化支持向量機(jī)（BAS-SVM）的變壓器繞組故障診斷方法。采用支持向量機(jī)（SVM）作為變壓器繞組形變程度的分類器,并應(yīng)用天牛須算法對SVM的核函數(shù)和懲罰因子進(jìn)行優(yōu)化,通過人工經(jīng)驗訓(xùn)練BAS-SVM,使其具有很高的故障診斷精度。為了比較BAS-SVM算法在變壓器繞組故障診斷的優(yōu)越性,采用改進(jìn)的粒子群優(yōu)化算法（MPSO）優(yōu)化SVM。通過仿真驗證,BAS-SVM算法的故障診斷準(zhǔn)確率比MPSO-SVM算法的故障診斷準(zhǔn)確率高10%。最后通過實例驗證了BAS-SVM算法對變壓器繞組故障診斷的可行性。 

【文章來源】：電力系統(tǒng)保護(hù)與控制. 2020,48(20)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

天牛須算法建模步驟Fig.1ModelingstepsoftheBAS

txxfxfx(10)式中：sign()為符號函數(shù)；t為步長因子。圖1天牛須算法建模步驟Fig.1ModelingstepsoftheBAS1.3BAS-SVM模型建立建立BAS-SVM模型主要是為了提高SVM的分類能力，使得該算法對變壓器的故障診斷更加準(zhǔn)確。SVM的懲罰因子C和核函數(shù)參數(shù)g是影響其分類能力的主要因素，其中懲罰因子C可以影響SVM對樣本學(xué)習(xí)的準(zhǔn)確性，參數(shù)g影響樣本的空間投射。通過BAS算法找到最佳的C和g，進(jìn)而提高SVM的故障診斷率。基于BAS算法優(yōu)化SVM參數(shù)的故障診斷過程如圖2所示。圖2BAS算法優(yōu)化SVM故障診斷流程圖Fig.2FaultdiagnosisflowchartofBASoptimizedSVMBAS-SVM算法模型建立步驟如下：1)確定天牛觸須的隨機(jī)向量，以及空間維度k。2)設(shè)置步長因子δ。步長因子表達(dá)式為1(0,1,2,,)ttetatn(11)本文取eta=0.96。3)將測試數(shù)據(jù)的均方根誤差MSE作為適應(yīng)度評價函數(shù)。適應(yīng)函數(shù)表達(dá)式為2sim11(())NiifitnessMSEtiyN(12)式中：N為訓(xùn)練樣本數(shù)；simt(i)為第i個樣本輸出值；iy為第i個樣本的實際值。4)更新天牛須位置。初始化天牛須位置，取[-0.5,0.5]之間的隨機(jī)數(shù)作為天牛的初始位置，將所取隨機(jī)數(shù)保存于bestX中；再根據(jù)表達(dá)式(12)計算在初始位置時的適應(yīng)度函數(shù)值，將函數(shù)值保存在bestY中；最后，根據(jù)表達(dá)式(9)更新天牛左右須的位置坐標(biāo)。5)更新bestY和bestX。天牛左右須位置分別由函數(shù)()rfx和()lfx求得，然后根據(jù)表達(dá)式(9)獲得天牛的實時位置，即調(diào)整SVM的C和g，并通過計算實時更新bestY和bestX。6)迭代停止控制。如果適應(yīng)度函數(shù)值滿足設(shè)定的精度要求，則執(zhí)行步驟7)，

人工經(jīng)驗分別訓(xùn)練BAS-SVM和MPSO-SVMFig.3UsingartificialexperiencetotrainBAS-SVMandMPSO-SVMrespectively

【參考文獻(xiàn)】：
期刊論文
[1]基于混沌粒子群優(yōu)化支持向量機(jī)的變壓器故障診斷[J]. 譚貴生,石宜金,劉丹丹,李留文.  昆明理工大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[2]基于特征量優(yōu)選與ICA-SVM的變壓器故障診斷模型[J]. 田鳳蘭,張恩澤,潘思蓉,杭穎,任廣為,范賢浩,張恒.  電力系統(tǒng)保護(hù)與控制. 2019(17)
[3]基于SVM和Kriging模型的變壓器故障診斷方法[J]. 柳強(qiáng),丁宇.  高壓電器. 2018(12)
[4]基于頻率響應(yīng)二值化圖像的變壓器繞組變形故障診斷方法[J]. 趙仲勇,唐超,李成祥,周渠,夏麒,姚陳果.  高電壓技術(shù). 2019(05)
[5]遺傳算法優(yōu)化鍋爐汽包水位不完全微分PID參數(shù)[J]. 袁雪峰,馬進(jìn),強(qiáng)碩,王靜.  華電技術(shù). 2018(10)
[6]基于故障模型的大型變壓器故障綜合診斷方法與應(yīng)用[J]. 韓志遠(yuǎn),王廣健,張曉靜,周艷,付克儉.  華電技術(shù). 2018(10)
[7]信息熵改進(jìn)免疫遺傳算法在火電廠主蒸汽溫度控制系統(tǒng)中應(yīng)用[J]. 孫宇貞,李朵朵,張婷,李康.  熱力發(fā)電. 2018(08)
[8]粒子群優(yōu)化的小波算法在避雷器老化診斷中的應(yīng)用[J]. 梁可道.  中國電力. 2018(06)
[9]電力變壓器繞組電氣參數(shù)對繞組變形的全局靈敏度分析[J]. 李妍,周洪偉,沈小偉,曹程杰,吳昊,胡國偉,范逸斐,趙雪霖.  電力系統(tǒng)保護(hù)與控制. 2018(07)
[10]極坐標(biāo)圖像法用于檢測變壓器繞組的微小輻向變形故障[J]. 宋慧欣,張義華,李皓然,王冬梅.  電測與儀表. 2018(03)



本文編號：3405974