一种自主核优化的二值粒子群优化–多核学习支持向量机变压器故障诊断方法

• 作者: 尹玉娟 张金江 王媚 袁鹏 詹俊鹏 郭创新
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 溶解气体分析 支持向量机 多核学习 二值粒子群优化 故障诊断 变压器
• 年，卷（期）: 2012,（7）
• 页码范围: 249-254
• 分类号: TM86
• 字数: 4064字
• 语种: 中文

摘要

支持向量机(support vector machine,SVM)对于核函数及模型参数十分敏感,多核学习可降低模型的参数敏感性.提出了基于二值粒子群优化(binary particle swarm optimization , BPSO)的多核学习 SVM 分类方法(BPSO-MKSVC)进行变压器故障诊断.多核学习支持向量机(multi-kernel support vector classifier,MKSVC)采用由多个基核线性组合的多核进行学习,其中每一个基核完成从特定样本空间提取故障特征,通过多面故障特征的线性组合,将学习分类问题转化为相应的凸规划问题进行迭代求解.采用BPSO 优化算法对 MKSVC 中的基核数及模型参数进行优化,实现了参数的自主选择.与常用诊断算法相比, BPSO-MKSVC 具有更高的诊断精度;与 PSO 优化的 SVM方法相比,其具有更低的参数敏感性和更好的鲁棒性

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭创新	浙江大学电气工程学院	216	5889	43.0	69.0
2	张金江	浙江科技学院自动化与电气工程学院	10	196	7.0	10.0
3	尹玉娟	浙江大学电气工程学院	3	80	3.0	3.0
4	袁鹏	浙江大学电气工程学院	7	136	5.0	7.0
5	王媚		8	243	7.0	8.0
6	詹俊鹏	浙江大学电气工程学院	2	54	2.0	2.0