文献类型：期刊文章

作　　者：谭贵生[1] 石宜金[1] 刘丹丹[2] 李留文[2]

TAN Guisheng;SHI Yijin;LIU Dandan;LI Liuwen(Tourism and Culture College,Yunnan University,Lijiang 674100,China;Lijiang Power Supply Bureau of Yunnan Power Grid Corporation,Lijiang 674100,China)

机构地区：[1]云南大学旅游文化学院,云南丽江674100 [2]云南电网有限责任公司丽江供电局,云南丽江674100

出　　处：《昆明理工大学学报（自然科学版）》

基　　金：云南电网有限责任公司基金项目(YNKJXM20180306);云南省教育厅基金项目(2016ZDX261);云南大学旅游文化学院基金项目(2017XY19)

年　　份：2019

卷　　号：44

期　　号：5

起止页码：54-61

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、IC、RCCSE、ZGKJHX、核心刊

摘　　要：为了提高电力变压器故障诊断的准确性,也要克服人工神经网络(ANN)中存在的收敛速度慢、容易陷入局部极值等缺陷,提出一种混沌的粒子群优化支持向量机的变压器诊断方法,该方法不仅具有很强的全局搜索能力,而且适用于支持向量机(SVM)参数优化,提高算法的鲁棒性.首先利用混沌的粒子群算法优化支持向量机的参数,把气体的特征参数代入优化的支持向量机分类模型中进行诊断,能够准确地分类变压器故障,从而达到故障诊断的目的.实验结果与常规方法比较,该方法能简单有效,诊断速度快,诊断正确率高.

关 键 词：变压器 故障诊断  粒子群优化 支持向量机 参数优化

分 类 号：TM41]