基于支持向量机的变压器故障诊断方法

• 作者: 施竹君 王宝华
• 来源期刊: 计算机系统应用
• 关键词: 支持向量机 布谷鸟算法 最速下降法 故障诊断 分类模型
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 163-169
• 页数: 7页
• 字数: 4133字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005697

摘要

为了提高变压器故障诊断的准确率,提出了一种支持向量机(SVM)和改进布谷鸟算法(WCS)及最速下降法相结合的电力变压器故障诊断方法.引入一种新的惯性权重,解决布谷鸟算法在迭代后期收敛速度下降的问题.利用最速下降法与改进的布谷鸟算法相结合的算法进行SVM参数的寻优,克服了基本的SVM模型容易陷入局部最优的缺陷,从而得到具有最佳参数的支持向量机分类模型,利用LIBSVM工具箱在MATLAB软件平台上训练支持向量机,用训练良好的支持向量机诊断110kV甘棠变电所#1主变压器故障情况.通过实例验证分析表明,采用该算法可以准确、有效地对变压器进行故障诊断;相较于粒子群算法(PSO)、遗传算法(GA)、网格搜索算法(GS)等算法,该方法具有更高的诊断准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宝华	南京理工大学自动化学院	61	488	13.0	18.0
2	施竹君	南京理工大学自动化学院	1	3	1.0	1.0