基于细菌觅食算法优化的电力变压器故障诊断技术

• 作者: 咸日常 咸日明 李文强 董方旭 马雪锋
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 细菌觅食算法 支持向量机 参数优化 电力变压器 油中色谱分析 故障诊断
• 年，卷（期）: 2018,（19）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 34-40
• 页数: 7页
• 分类号: TM406
• 字数: 4534字
• 语种: 中文

摘要

针对支持向量机(SVM)分类性能受参数影响,且最优参数难以获取这一问题,提出一种基于细菌觅食算法(BFA)的电力变压器故障诊断模型的参数寻优方法.该方法以电力变压器油中特征气体含量作为状态评价样本,通过BFA寻找全局最优SVM参数解,构建k-折平均分类准确率目标函数,建立变压器故障诊断模型.仿真结果表明,BFA对SVM最优参数的选取较遗传算法(GA)、粒子群算法(PSO)更迅速,且优化后的SVM电力变压器故障诊断模型具有更高的精确度;利用BFA优化方法建立的SVM电力变压器状态诊断模型,对IEC三比值法中无法判断的数据也可进行精确诊断.最后,通过实例分析,验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文强		12	25	3.0	4.0
2	咸日常	山东理工大学电气与电子工程学院	48	193	8.0	12.0
3	马雪锋		7	3	1.0	1.0
4	咸日明		5	7	2.0	2.0
5	董方旭	山东理工大学电气与电子工程学院	2	3	1.0	1.0