基于KPCA与IHHO-LSSVM的电力变压器故障诊断方法研究

• 作者: 宋立业 范抑伶 王燚增
• 来源期刊: 电气工程学报
• 学科: 工学
• 关键词: 变压器 故障诊断 核主成分分析 哈里斯鹰算法 最小二乘支持向量机
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 特邀专栏
• 页码范围: 95-103
• 页数: 9页
• 分类号: TM41
• 语种: 中文
• DOI: 10.11985/2022.01.013

摘要

为提高电力变压器故障识别精确度,提出基于核主成分分析(Kernel principal component analysis,KPCA)与改进哈里斯鹰算法(Improved Harris hawk algorithm,IHHO)优化最小二乘支持向量机(Least square support vector machine,LSSVM)的电力变压器故障诊断方法.首先,利用核主成分分析对变压器原始故障数据进行预处理,去除冗余数据;其次,结合Sigmoid变形函数以及点对称策略改进传统哈里斯鹰算法(HHO),并与HHO和遗传算法(Genetic algorithm,GA)进行性能对比,证明求解精度和网络收敛速度有所提升;最后,采用IHHO对LSSVM的相关超参数进行优化求解,获取KPCA与IHHO-LSSVM相结合的变压器故障诊断模型.结果表明所提模型的诊断精度为95.6％,同其他故障诊断模型相比分别提高了8.9％、16.7％,证明了所提方法能够有效地提升变压器故障诊断性能.