基于SVM算法的变压器DGA和故障诊断

• 作者: 任堂正 崔明飞 肖远兵 陆敏安 陈敬德
• 来源期刊: 机电信息
• 关键词: 变压器 支持向量机 油中溶解气体分析 故障诊断
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 电气工程与自动化
• 页码范围: 22-23,25
• 页数: 3页
• 字数: 2868字
• 语种: 中文

摘要

油中溶解气体分析(DGA)是评估变压器运行状态和故障诊断的重要指标.现将支持向量机算法(SVM)应用于DGA和故障诊断中,并对比了SVM算法和其他传统算法在故障诊断中的正确率.研究结果表明,传统算法的故障诊断正确率在43％～54％,而优化后的SVM算法正确率为76.77％.超过23％的正确率提升充分证明了SVM算法在故障数据特征识别中的先进性,对变压器运维提供了强力的技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任堂正		7	9	2.0	3.0
2	肖远兵		6	0	0.0	0.0
3	陆敏安		8	3	1.0	1.0
4	陈敬德		3	3	1.0	1.0
5	崔明飞		1	0	0.0	0.0