基于粒子群优化支持向量机的变压器故障诊断

被引：5

作者：

朱文俊 ^{[1
]}

周刚 ^{[1
]}

王红斌 ^{[1
]}

尹玉娟 ^{[2
]}

张金江 ^{[2
]}

郭创新 ^{[2
]}

机构：

[1] 广东电网公司电力科学研究院

[2] 浙江大学电气工程学院

来源：

水电能源科学 | 2012年 / 30卷 / 04期

基金：

浙江省自然科学基金;

关键词：

油中溶解气体分析; PSO优化; 支持向量机; 故障诊断; 参数优化; 变压器;

D O I：

暂无

中图分类号：

TM407 [维护、检修];

学科分类号：

摘要：

针对支持向量机(SVM)用于变压器故障诊断中模型参数具有不确定性的问题,采用粒子群优化(PSO)算法对支持向量机参数进行优化,减少了模型参数的不确定性。故障数据测试表明,PSO能快速、准确地优化SVM参数,二者的结合可有效完成变压器故障分类,并取得较为满意的效果。

引用

页码：179 / 182

页数：4

共 10 条

[1]

Dissolved GasAnalysis (DGA)In Transformer Oil-Methods,Tren-ding,&Assessment. Duval M,Lewand L,Lamontagne D. IEEE/PES TransformersCommittee Fall 2006 Meeting . 2006

[2]

IEEE Guide for the Interpretation ofGases Generated in Oil-Immersed Transformers. Transformers Committee of the IEEE Power&En-ergy Society. (IEEE Std C57.104-2008) . 2009

[3]

GB/T 7252-2001. 变压器油中溶解气体分析和判断导则[S]. 2001

[4] 电力变压器故障诊断专家系统知识库建立和维护的粗糙集方法 [J].