基于粒子群优化支持向量机的变压器故障诊断

• 作者: 刘成良 张晓斌 苗玉彬 费胜巍
• 来源期刊: 高电压技术
• 学科: 工学
• 关键词: 故障诊断 粒子群优化 支持向量机 电力变压器 参数优化 分类算法 统计学习理论
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 故障诊断与状态检修
• 页码范围: 509-513
• 页数: 5页
• 分类号: TM407
• 字数: 3019字
• 语种: 中文

摘要

为了克服了人工神经网络(ANN)中存在的过拟合、收敛速度慢、容易陷入局部极值等缺点,提出了基于粒子群优化支持向量机(PSO-SVM)的变压器故障诊断方法.即将粒子群优化算法(PSO)用于SVM参数优化.PSO是一种智能群体搜索方法,它源于对鸟类捕食行为的研究.这种方法不仅具有很强的全局搜索能力,而且容易实现,适合于SVM参数优化.变压器故障诊断实例分析结果证明,PSO-SVM的诊断精度高于IEC三比值法、BP神经网络、普通的SVM,PSO-SVM适用于电力变压器故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘成良	上海交通大学机械与动力工程学院	200	2288	27.0	38.0
2	苗玉彬	上海交通大学机械与动力工程学院	50	705	14.0	26.0
3	张晓斌		11	94	1.0	9.0
4	费胜巍	上海交通大学机械与动力工程学院	1	92	1.0	1.0