基于改进粒子群优化XGBoost的变压器故障诊断方法

• 作者: 龚泽威一 饶桐 王钢 李钊 骆钊 朱家祥 彭晶 于虹 曹占国
• 来源期刊: 高压电器
• 关键词: 变压器 故障诊断 极端梯度提升 粒子群算法 无编码比值
• 年，卷（期）: 2024,（8）
• 所属期刊栏目: 变压器技术
• 页码范围: 61-69
• 页数: 9页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2023.08.007

摘要

变压器作为电网传输和变换电能的主要设备，对DGA数据进行异常分析，可为变压器故障诊断提供理论依据。鉴于此，文中提出了基于DGA和IPSO-XGBoost的变压器故障诊断方法。首先，将特征气体划分为无编码比值作为特征参量输入极端梯度提升（XGBoost）模型，提出了基于XGBoost的变压器故障诊断模型；其次，通过动态调整惯性权重和加速因子对粒子群算法（PSO）进行改进，并利用改进的粒子群算法（IPSO）对XGBoost的关键参数进行迭代优化；最后，随机抽取1 614例故障类型已知的DGA数据进行算例分析。结果表明：相比于其它传统机器学习分类模型，XGBoost的变压器故障诊断正确率更高，且与传统PSO算法相比，所提方法可以更好克服粒子群寻优速度慢和易陷入局部最优等问题，可为变压器安全稳定运行提供有力保障。