PSO-IGWO优化混合KELM的变压器故障诊断方法

• 作者: 朱永灿 王享 黄新波
• 来源期刊: 西安工程大学学报
• 关键词: 变压器 故障诊断 粒子群优化 灰狼优化 混合核极限学习机 智能电网
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 电子信息
• 页码范围: 154-160
• 页数: 7页
• 分类号: TM762
• 语种: 中文
• DOI: 10.13338/j.issn.1674-649x.2019.02.007

摘要

对变压器进行智能化故障诊断是促进智能电网发展的主要环节,但传统的单一智能诊断算法不能对变压器的大量不完备信息进行有效处理,导致故障诊断精度不高.为此,给出一种基于粒子群混合改进灰狼算法(PSO-IGWO)优化混合核极限学习机(KELM,kernal extreme learning ma-chine)的变压器故障诊断方法.通过混合KELM建立故障诊断模型,采用粒子群算法对混合KELM的结构参数进行寻优,利用改进灰狼算法在局部和全局之间良好的平衡能力改善粒子群算法的缺陷,结合油中溶解气体分析(DGA,dissolved gas analysis)样本数据进行仿真实验.结果表明,相对于BPNN,ELM算法,诊断准确率分别提高了16.24％,5.71％,能够为变压器的安全稳定运行提供决策支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄新波	西安工程大学电子信息学院	168	2529	27.0	44.0
2	朱永灿	西安工程大学电子信息学院	45	224	9.0	14.0
3	王享	西安工程大学电子信息学院	1	2	1.0	1.0