基于DGA特征量优选与改进磷虾群算法优化支持向量机的变压器故障诊断模型

• 作者: 刘捷丰 张镱议 彭鸿博 李昕 赵刘亮 郑含博
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 变压器 故障诊断 支持向量机 遗传算法 改进磷虾群算法 DGA特征量
• 年，卷（期）: 2019,（21）
• 所属期刊栏目: 测量与控制
• 页码范围: 110-116
• 页数: 7页
• 分类号: TM933
• 字数: 3997字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2019.021.018

摘要

针对单一的特征气体或特征气体比值作为DGA特征量无法全面反映变压器故障分类的问题,文章从混合DGA特征量中优选出一组DGA新特征组合作为输入,建立改进磷虾群(Improved Krill Herd,IKH)算法优化支持向量机(Support Vector Machine,SVM)的变压器故障诊断模型对变压器进行故障诊断.将SVM的c和σ与11种候选特征量进行二进制编码,利用遗传算法结合支持向量机对DGA特征量进行优选,得到一组DGA新特征组合;利用IKH算法对SVM的参数进行优化,同时结合交叉验证原理构建IKH算法优化SVM的变压器故障诊断模型.基于IEC TC 10的诊断结果表明:与DGA全数据、三比值特征量相比,新DGA特征组合的故障诊断准确率分别高出10.14％和30.2％;IKHSVM准确率也要高于标准SVM和GASVM(分别为73.87％、81.13％和86.27％),说明该方法能有效诊断变压器故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李昕	广西大学电气工程学院	2	2	1.0	1.0
2	张镱议	广西大学电气工程学院	6	136	3.0	6.0
3	郑含博	广西大学电气工程学院	2	5	2.0	2.0
4	刘捷丰	广西大学电气工程学院	3	13	2.0	3.0
5	彭鸿博	广西大学电气工程学院	1	2	1.0	1.0
6	赵刘亮	广西大学电气工程学院	1	2	1.0	1.0