一种基于改进RVM变压器故障诊断新方法

• 作者: 付华 任仁 齐致
• 来源期刊: 辽宁工程技术大学学报（自然科学版）
• 学科: 工学
• 关键词: 相关向量机(RVM) 核主成分分析(KPCA) 量子粒子群算法(QPSO) 变压器故障诊断
• 年，卷（期）: 2017,（9）
• 页码范围: 964-970
• 页数: 7页
• 分类号: TM411
• 语种: 中文
• DOI: 10.11956/j.issn.1008-0562.2017.09.013

摘要

对比于支持向量机(SVM),相关向量机(RVM)在分类性能方面优势明显.引入核主成分分析(KPCA)和量子粒子群算法(QPSO)对RVM电力变压器故障诊断模型进行优化.设定标准化的变压器主要特征气体含量为输入量,以二叉树的分类方法建立基于KPCA-QPSO-RVM的变压器故障诊断模型.通过实例分析,并且与SVM、RVM方法对比,证明该方法可以取得更优秀的故障诊断精确率,相关向量个数明显少于支持向量个数,诊断速度显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付华		242	1698	20.0	28.0
2	任仁	国网辽宁省电力有限公司朝阳供电公司	2	0	0.0	0.0
3	齐致	国网辽宁省电力有限公司葫芦岛供电公司	2	0	0.0	0.0