發(fā)布時(shí)間：2018-05-10 10:20

  本文選題：相關(guān)向量機(jī) + 變壓器�。� 參考：《高壓電器》2017年02期

【摘要】：傳統(tǒng)智能算法中因算法自身的固有缺陷,從而導(dǎo)致變壓器故障診斷結(jié)果不理想。為此,針對(duì)相關(guān)向量機(jī)中核函數(shù)參數(shù)的選取對(duì)分類效果產(chǎn)生影響的問題,筆者在對(duì)運(yùn)用粒子群算法優(yōu)化相關(guān)向量機(jī)的可行性進(jìn)行充分分析的基礎(chǔ)上,構(gòu)建了粒子群優(yōu)化的相關(guān)向量機(jī)方法,以DGA作為特征輸入,利用粒子群優(yōu)化算法對(duì)核函數(shù)參數(shù)σ進(jìn)行優(yōu)化,以獲得最優(yōu)的相關(guān)向量機(jī)故障診斷方法,從而提高變壓器的故障診斷精度。實(shí)例對(duì)比分析表明,與SVM、RVM方法相比,粒子群相關(guān)向量機(jī)方法具有更高的診斷精度。
[Abstract]:Because of the inherent defects of the traditional intelligent algorithm, the fault diagnosis result of transformer is not satisfactory. Therefore, aiming at the problem that the selection of kernel function parameters in correlation vector machine affects the classification effect, the feasibility of using particle swarm optimization algorithm to optimize correlation vector machine is fully analyzed. The correlation vector machine (RVM) method of particle swarm optimization (PSO) is constructed. The particle swarm optimization (PSO) algorithm is used to optimize the parameter 蟽 of kernel function by using DGA as the characteristic input to obtain the optimal method of fault diagnosis. In order to improve the transformer fault diagnosis accuracy. Compared with SVMN RVM method, the particle swarm correlation vector machine (PSO) method has higher diagnostic accuracy.
【作者單位】： 西南交通大學(xué)電氣工程學(xué)院;
【分類號(hào)】：TM407;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇宏升;李群湛;;概念格在變壓器故障診斷中的應(yīng)用研究[J];高電壓技術(shù);2006年02期

2 閆學(xué)杰;;煤礦變壓器故障診斷的研究[J];煤礦現(xiàn)代化;2011年02期

3 王錚一;鄭文杰;;基于基因表達(dá)式編程的變壓器故障診斷[J];陜西電力;2012年04期

4 ;變壓器故障診斷[J];電氣制造;2012年05期

5 肖華蘭;吳駿;;基于多分類相關(guān)向量機(jī)的變壓器故障診斷[J];電子世界;2013年15期

6 ;《大型變壓器故障診斷技術(shù)的研究》技術(shù)成果通過電力部鑒定[J];上海電力學(xué)院學(xué)報(bào);1995年04期

7 張豐仁,張恩鋒;氣相色譜分析在變壓器故障診斷中的應(yīng)用[J];中國(guó)煤炭;2000年10期

8 馬素媛;氣相色譜法在電力變壓器故障診斷中的實(shí)際應(yīng)用[J];冶金動(dòng)力;2000年05期

9 錢政,黃蘭,嚴(yán)璋,羅承沐;集成模糊數(shù)學(xué)與范例推理的變壓器故障診斷方法[J];電網(wǎng)技術(shù);2001年09期

10 孫輝,李衛(wèi)東,孫啟忠;判決樹方法用于變壓器故障診斷的研究[J];中國(guó)電機(jī)工程學(xué)報(bào);2001年02期

相關(guān)會(huì)議論文 前10條

1 胡澤江;張海濤;;可拓關(guān)聯(lián)函數(shù)與屬性約簡(jiǎn)相結(jié)合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

2 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(guó)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

3 趙繼印;李建坡;黎巧生;;基于氣相色譜分析方法的變壓器故障診斷系統(tǒng)[A];“振興吉林老工業(yè)基地——科技工作者的歷史責(zé)任”吉林省第三屆科學(xué)技術(shù)學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2004年

4 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

5 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年全國(guó)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

6 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(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第四分冊(cè)）[C];2013年

7 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

8 陳湘萍;;基于神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[A];第八屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2010年

9 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

10 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

相關(guān)重要報(bào)紙文章 前1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

相關(guān)博士學(xué)位論文 前10條

1 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

2 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

3 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

4 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

5 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

6 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

7 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

8 唐勇波;數(shù)據(jù)驅(qū)動(dòng)的大型電力變壓器故障診斷和預(yù)測(cè)研究[D];中南大學(xué);2013年

9 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

10 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

相關(guān)碩士學(xué)位論文 前10條

1 劉飛霞;基于蟻群算法的變壓器故障診斷研究[D];長(zhǎng)沙理工大學(xué);2014年

2 李江浩;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法的研究[D];華北電力大學(xué);2015年

3 隋卓;基于振動(dòng)能量法的電力變壓器故障診斷與初步定位研究[D];華北電力大學(xué);2015年

4 李洪超;基于M-LS-SVM的變壓器故障診斷研究[D];浙江工商大學(xué);2015年

5 宋桐;多模型組合優(yōu)化的變壓器故障診斷策略研究[D];西安工程大學(xué);2015年

6 裴飛;基于在線序列極限學(xué)習(xí)機(jī)的變壓器故障診斷研究[D];華北電力大學(xué);2015年

7 朱紫娟;綜合故障診斷方法在電力變壓器故障診斷中的應(yīng)用研究[D];西安工程大學(xué);2016年

8 洪浪;基于油氣量和超高頻局放信號(hào)的變壓器故障診斷研究[D];湖北工業(yè)大學(xué);2016年

9 王瑩;變壓器故障診斷中油溶氣體基本信任分配函數(shù)研究[D];長(zhǎng)春工業(yè)大學(xué);2016年

10 張楠喬;基于智能算法的扼流適配變壓器故障診斷的研究[D];北京交通大學(xué);2016年

，

本文編號(hào)：1868918