基于多分类最小二乘支持向量机和改进粒子群优化算法的电力变压器故障诊断方法

• 作者: 李予全 李晓纲 王伟 王立楠 郑含博 韩金华
• 来源期刊: 高电压技术
• 关键词: 最小二乘支持向量机 多类分类 粒子群优化 故障诊断 电力变压器 准确率
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 输配电设备状态评价与故障诊断
• 页码范围: 3424-3429
• 页数: 6页
• 字数: 4496字
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.2014.11.018

摘要

为了提高故障诊断的准确率,提出了一种多分类最小二乘支持向量机(LS-SVM)和改进粒子群优化(PSO)相结合的电力变压器故障诊断方法.引入最小输出编码构造多个2分类LS-SVM,实现了变压器诊断的多类分类.利用PSO算法获得LS-SVM诊断模型的最优参数,并采用交叉验证原理来提高分类算法的整体泛化性能.实例分析结果表明,采用LS-SVM和PSO算法可以准确、有效地对变压器进行故障诊断;与传统的电力变压器故障诊断方法相比,该方法的诊断准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李予全	国网河南省电力公司电力科学研究院	8	145	3.0	8.0
2	王伟	国网河南省电力公司电力科学研究院	19	186	6.0	13.0
3	郑含博	国网河南省电力公司电力科学研究院	13	202	5.0	13.0
4	李晓纲	国网河南省电力公司电力科学研究院	7	145	3.0	7.0
5	王立楠	国网河南省电力公司电力科学研究院	2	134	1.0	2.0
6	韩金华	国网河南省电力公司电力科学研究院	4	161	4.0	4.0