基于GWO-SVM的高压断路器故障诊断

• 作者: 逯浩坦 伊力哈木·亚尔买买提 刘鹏伟 张鹏程 李振恩 吐松江·卡日
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 高压断路器 线圈电流 故障诊断 支持向量机 特征选择
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 控制与检测
• 页码范围: 103-107
• 页数: 5页
• 分类号: TH162|TG506
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2022.01.023

摘要

为提高高压断路器故障诊断精度和效率以保障电力系统安全稳定运行,提出一种基于拉普拉斯分值法与改进的支持向量机(SVM)的智能故障诊断方法.首先,从高压断路器分合闸线圈电流中提取包括电流峰值、关键时间点及电流统计量等特征值,并建立故障样本集合;其次,采用拉普拉斯分值法筛选出关键特征,降低故障样本集合的维度;最后,采用灰狼算法(GWO)优化支持向量机(SVM)的关键参数,构建高效、准确的高压断路器故障诊断模型.基于实际故障样本的仿真测试结果表明:提出的采用特征选择及参数优化的故障诊断方法较其他传统方法具有更高的诊断精度及诊断效率,对实际工程应用具有一定的参考借鉴意义.