基于支持向量机和遗传算法的变压器故障诊断

被引：72

作者：

吐松江卡日 ^{[1
]}

高文胜 ^{[1
]}

张紫薇 ^{[1
]}

莫文雄 ^{[2
]}

王红斌 ^{[2
]}

崔屹平 ^{[2
]}

机构：

[1] 清华大学电机工程与应用电子技术系

[2] 广州供电局有限公司

来源：

清华大学学报(自然科学版) | 2018年 / 58卷 / 07期

关键词：

故障诊断; 油中溶解气分析; 支持向量机(SVM); 遗传算法(GA);

D O I：

10.16511/j.cnki.qhdxxb.2018.25.032

中图分类号：

TM407 [维护、检修]; TP18 [人工智能理论];

学科分类号：

080801 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了提高变压器故障诊断准确率,该文提出了一种基于支持向量机(support vector machine,SVM)和遗传算法(genetic algorithm,GA)的电力变压器故障诊断方法。基于5种常用油中溶解气体分析方法的20种不同输入建立初始特征集合,采用二进制方式将支持向量机惩罚因子、核参数及特征子集编码至遗传算法染色体,建立基于5折交叉验证正确率的适应度函数,联合优化最优特征子集和支持向量机参数组合。然后依据最优特征子集和参数组合训练诊断模型,并利用测试集和故障实例验证诊断性能。实例分析结果表明:该方法能准确、有效地诊断变压器故障,比基于传统特征子集的支持向量机-遗传算法模型、IEC三比值法、反向传播神经网络和朴素Bayes等方法具有更高的诊断准确率。

引用

页码：623 / 629

页数：7

共 11 条

[1] 基于GA优化SVM的风电功率的超短期预测 [J].

刘爱国 ;

薛云涛 ;

胡江鹭 ;

刘路平 .

电力系统保护与控制, 2015, 43 (02) :90-95

[2]

基于相关向量机的油浸式电力变压器故障诊断方法研究[D]. 尹金良.华北电力大学 2013

[3]

Recent advances on SVM based fault diagnosis and process monitoring in complicated industrial processes[J] . Zuyu Yin,Jian Hou.Neurocomputing . 2015

[4]

Faults diagnosis and assessment of transformer insulation oil quality: intelligent methods based on dissolved gas analysis a-review[J] . Ahmed Raisan,M.M Yaacob,Malik Abdulrazzaq Alsaedi.International Journal of Engineering ＆ Technology . 2015 (1)

[5]

A Review of Dissolved Gas Analysis in Power Transformers[J] . Huo-Ching Sun,Yann-Chang Huang,Chao-Ming Huang.Energy Procedia . 2012

[6]

Statistical Machine Learning and Dissolved Gas Analysis: A Review[J] . Mirowski, P.,LeCun, Y..IEEE Transactions on Power Delivery . 2012 (4)

[7]

Transformer Fault Dignosis Based on Feature Selection and Parameter Optimization[J] . Han Han,Wang Hou-jun,Dong xiucheng.Energy Procedia . 2011

[8]

LIBSVM[J] . Chih-Chung Chang,Chih-Jen Lin.ACM Transactions on Intelligent Systems and Technology （TIST） . 2011 (3)

[9] Fault diagnosis of power transformer based on multi-layer SVM classifier [J].

Ganyun, LV ;

Cheng, HZ ;

Zhai, HB ;

Dong, LX .

ELECTRIC POWER SYSTEMS RESEARCH, 2005, 74 (01) :1-7

[10] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

← 1 2 →