期刊文章详细信息
基于GJO特征量优选的AO-RF的变压器故障诊断模型
Fault Diagnosis Model of Transformer Based on GJO Feature Optimization and AO-RF
文献类型:期刊文章
YE Yulin;LIU Sen;HUANG Song;HAN Xiaohui;DU Zhenbin;LI Bin;LYU Jie;XUE Yang;ZHAO Chunlin(China Nuclear Power Engineering Co.,Ltd.,Guangzhou Shenzhen 518124,China;School of-Electrical-Engineering,Hebei University of-Science and-Technology,Shijiazhuang 050018,China;Hebei Provincial Key Laboratory of-Electromagnetic&Structural Performance of-Power Transmission and-Transformation Equipment,Baoding Tianwei Baobian Electric Co.,Ltd.,Hebei Baoding-071056,China;Baoding Tianweixinyu Technology Development Co.,Ltd.,Hebei Baoding 071056,China;Hebei Weixun Electric Power Automation Equipment Co.,Ltd.,Hebei Hengshui-053000,China)
机构地区:[1]中广核工程有限公司,广东深圳518124 [2]河北科技大学电气工程学院,石家庄050018 [3]保定天威保变电气股份有限公司河北省输变电装备电磁与结构性能重点实验室,河北保定071056 [4]保定天威新域科技发展有限公司,河北保定071056 [5]河北卫讯电力自动化设备有限公司,河北衡水053000
基 金:河北省省级科技计划资助(20312101D)。
年 份:2024
卷 号:60
期 号:5
起止页码:99-107
语 种:中文
收录情况:BDHX、BDHX2023、CAS、CSCD、CSCD2023_2024、INSPEC、JST、RCCSE、ZGKJHX、核心刊
摘 要:在变压器故障诊断过程中,进行合理的特征优选,将有助于提高诊断模型的诊断精度,为此,文中提出了一种基于金豺优化算法(golden Jackal optimization,GJO)特征量优选与AO-RF的变压器故障诊断模型。首先,采用GJO对构建的21维变压器油中溶解气体特征量进行优选;然后,根据GJO得到的特征优选结果,采用天鹰算法(aquila optimizer,AO)优化随机森林(random forest,RF)的变压器故障诊断模型对变压器故障进行诊断,并与不同特征量、不同故障诊断模型的诊断结果进行了对比。实验结果表明:GJO优选特征量相比21维原始特征、三比值法、无编码比值法以及AO优选特征量的故障诊断准确率可提高1.12%~25.78%,kappa系数可提高0.02~0.24;AO-RF故障诊断模型较RF、SVM、ELM、SSA-RF、WOA-RF、GJO-RF模型的诊断准确率可提高1.84%~15.86%,kappa系数可提高0.02~0.16,验证了所提方法的有效性和准确性。
关 键 词:变压器 故障诊断 金豺算法 随机森林 天鹰算法
分 类 号:TM407] TP18]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...