基于VSRP与β-GWO-SVM的变压器故障辨识方法

• 作者: 谢国民 倪乐水 曹媛
• 来源期刊: 高电压技术
• 关键词: 变压器 故障诊断 非常稀疏随机投影 改进灰狼算法 支持向量机
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 电气装备及其智能运维|Development, Intelligent Operation and Maintenance of Power Equipments
• 页码范围: 3635-3641
• 页数: 7页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20200501

摘要

针对变压器故障诊断准确率低的问题,提出一种基于VSRP与β-GWO-SVM的变压器故障诊断方法.首先,采用非常稀疏随机投影(very sparse random projection,VSRP)对原始数据进行维数约减,消除变量信息之间的冗余特征;其次,用β-混沌序列优化的灰狼算法(β-chaotic map enabled grey wolf optimizer,β-GWO)动态寻优支持向量机(support vector machine,SVM)的核参数与惩罚因子,获取VSRP与β-GWO-SVM相结合的综合故障诊断模型;最后,将实际变压器故障数据输入诊断模型,并与传统灰狼优化支持向量机模型(GWO-SVM)、粒子群优化支持向量机模型(particle swarm optimization-SVM,PSO-SVM)进行对比验证,诊断精度分别为91.87％、82.13％、75.10％,结果表明该文所提方法能够有效地提升变压器故障诊断性能.