支持向量机的变压器故障诊断应用研究

电力变压器是电力系统中最重要的电气设备之一,及早发现变压器的潜伏性故障,是电力部门关注的一个重要问题。本文积极探索使用人工智能的方法进行变压器故障诊断,主要研究了支持向量机分类、贝叶斯网络分类以及欧氏距离分类方法。使用欧氏聚类方法为支持向量机多分类的建模提供科学的依据,将支持向量机多分类应用于变压器故障诊断中;针对朴素贝叶斯在样本较少时容易出现误判,首次提出组建朴素贝叶斯和支持向量机的组合分类器;针对支持向量机一对一多分类方法存在不可分区域及分类效率较低的问题,首次提出组建欧氏距离分类和支持向量机的组合分类模型。实验表明,使用新的组合模型能有效提高变压器故障诊断的准确率和判决效率。