基于RFE-SA-SVM的变压器故障诊断

• 作者: 李育恒 赵峰
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 特征选择 基因选择算法 支持向量机 故障诊断
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 50-55
• 页数: 6页
• 分类号: TM411
• 字数: 2791字
• 语种: 中文

摘要

通过对变压器油中溶解气体进行分析，可以及早的发现变压器的故障。为了全面地反映变压器内部故障与特征气体之间的关系，提出采用5种特征气体浓度比值共计15组作为特征预输入量，并采用基因选择算法对15个特征量进行筛选，将筛选后特征量作为支持向量机模型输入。在SVM模型中，采用模拟退火算法对SVM的参数进行优化，给出其GUI界面。最后，通过数据验证基于RFE-SA-SVM模型故障诊断率要高于单一模型。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵峰	兰州交通大学自动化与电气工程学院	96	515	13.0	18.0
2	李育恒	兰州交通大学自动化与电气工程学院	2	9	1.0	2.0