基于改进RADAG-S VM的电力变压器故障诊断

• 作者: 周志成 李建生 杨志超 杨成顺 陶风波
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 电力变压器 故障诊断 重排序自适应有向无环图 支持向量机
• 年，卷（期）: 2016,（5）
• 页码范围: 964-971
• 页数: 8页
• 分类号: TM71
• 字数: 7954字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2016.05.011

摘要

为提高变压器故障诊断的正确率，提出一种基于改进重排序自适应有向无环图（reordering adaptive directed acyclic graph，RADAG）支持向量机（support vector machines，SVM）的电力变压器故障诊断方法．该方法首先利用基于K折交叉验证和人工蜂群算法优化SVM的核函数和惩罚因子参数，使二分类SVM获得最佳的分类性能；其次，为进一步提高多分类SVM的性能，提出利用交叉确认机制估计每个二分类 SVM的泛化能力的方法，并将其用于改进 RADAG-SVM的分类精度．最后，给出基于改进RADAG-SVM的变压器故障诊断流程并进行实例分析．结果表明，所提方法、原始RADAG-SVM和基于结点优化的DDAG-SVM方法对变压器故障诊断的平均正确率分别为94．16％，87．85％和90．77％．因而，与其他2种诊断方法相比，所提方法具有较好的故障诊断效果．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周志成	江苏省电力公司电力科学研究院	50	470	12.0	19.0
2	杨成顺	南京工程学院电力工程学院	26	195	8.0	13.0
3	陶风波	江苏省电力公司电力科学研究院	21	121	6.0	10.0
4	杨志超	南京工程学院电力工程学院	66	667	11.0	24.0
5	李建生	江苏省电力公司电力科学研究院	2	8	2.0	2.0