文献类型：期刊文章

作　　者：薛浩然[1] 张珂珩[2] 李斌[1] 彭晨辉[2]

机构地区：[1]国网电力科学研究院/南京南瑞集团公司,江苏南京210003 [2]江苏瑞中数据股份有限公司,江苏南京210003

出　　处：《电力系统保护与控制》

年　　份：2015

卷　　号：43

期　　号：8

起止页码：8-13

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：电力变压器是电力系统运行中的重要设备之一,对故障和缺陷进行正确的诊断,关系到整个电网的运行安全。支持向量机(SVM)能够较好地解决小样本、非线性特征的多分类问题,适用于变压器故障类型判断。利用布谷鸟搜索算法,对支持向量机进行寻优得到全局最优解,从而得到具有最佳参数的支持向量机分类模型。该分类模型将变压器油色谱数据(DGA)中各气体相对含量作为评估指标,将变压器的故障分为低能放电、高能放电、中低温过热、高温过热等4个故障类型。通过已有的数据实例分析得出,利用布谷鸟搜索算法得到的分类模型比常用的网格搜索算法(GS)、粒子群搜索算法(PSO)、遗传算法搜索(GA)等算法得到的模型拟合准确率更好。

关 键 词：支持向量机 布谷鸟算法  变压器 故障诊断 分类模型  

分 类 号：TM407] TP18]