基于粒子群优化随机森林的变压器故障诊断模型

• 作者: 李鹤健 徐肖伟 王科 赵勇军 吴世浙 刘可真
• 来源期刊: 昆明理工大学学报（自然科学版）
• 关键词: 变压器 故障诊断 随机森林 粒子群优化 无编码比值
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 能源科学与电力工程|Energy Science and Power Engineering
• 页码范围: 94-101
• 页数: 8页
• 分类号: TM41
• 语种: 中文
• DOI: 10.16112/j.cnki.53-1223/n.2021.03.451

摘要

变压器故障诊断正确率取决于诊断模型的构建、特征参量的选取以及故障类型数据的丰富,模型参数的调整也变得尤为重要.针对依据经验调整参数导致随机森林模型诊断变压器故障正确率不够高的问题,提出了基于粒子群优化随机森林(PSO-RF)的故障诊断方法.以油中溶解气体的无编码比值构成特征参量作为模型输入,通过PSO算法搜索RF模型的两个最优参数(子树棵数和分裂特征数),建立PSO-RF模型诊断故障类别,并与不同特征参量选择方法和不同模型进行对比分析.运用两个具体实例的诊断结果来验证所提诊断模型和特征选取的有效性.结果 表明:以无编码比值作为特征参量能挖掘更多的故障信息,并且PSO-RF模型故障诊断正确率优于SVM、BPNN与RF模型,随着样本空间的增大,故障诊断模型的效果越好.