利用改进遗传算法与LS-SVM进行变压器故障诊断

• 作者: 张凯 杨海涛 谢庆 黄华平
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 变压器 故障诊断 改进遗传算法 最小二乘支持向量机 溶解气体分析 参数优化
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 高电压技术
• 页码范围: 164-168
• 页数: 5页
• 分类号: TM41
• 语种: 中文

摘要

最小二乘支持向量机(least square support vector machines,LS-SVM)能较好地解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障诊断,但参数c与σ~2的选取对诊断结果影响较大,因此有必要对其进行优化选择.文中利用改进遗传算法(improved genetic algorithm,IGA)对C与σ~2参数进行寻优.IGA采用了编码机制随机产生初始种群,这样可快速扩大搜索空间,稳定群体中个体多样性,有效提高全局搜索能力和收敛速度.文中采用IGA优化后的LS-SVM对多组变压器油色谱数据进行故障诊断分析.结果表明,IGA可以有效实现对LS-SVM算法中c与σ~2的优化选取,提高变压器故障诊断的准确率.