多分类支持向量机在电力变压器故障诊断中的应用

• 作者: 孙志鹏 崔青 张天伟 张志磊 王涛
• 来源期刊: 电气技术
• 关键词: 电力变压器 故障诊断 支持向量机 多分类
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 研究与开发
• 页码范围: 25-28
• 页数: 4页
• 字数: 1889字
• 语种: 中文

摘要

支持向量机是以统计学习理论为基础发展起来的新的通用学习方法,较好地解决了小样本、高维数、非线性等学习问题.支持向量机分类性能的好坏很大程度依赖于核函数与核参数的选取.目前常用的参数寻优方法有网格搜索法、遗传算法和粒子群优化算法.本文提出了一种基于支持向量机多分类的电力变压器故障诊断模型,以变压器油中5种特征气体作为输入,5种故障状态作为相应的输出,选用高斯径向基核函数,使用网格搜索法获取最优参数C、g.经实验表明,该模型准确率为83.3％,具有较好的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙志鹏	东北电力大学电气工程学院	3	7	2.0	2.0
2	崔青		3	8	2.0	2.0
3	张志磊		4	8	2.0	2.0
4	王涛		11	23	3.0	4.0
5	张天伟		4	11	3.0	3.0