文献类型：期刊文章

作　　者：丰胜成[1,2] 张宗瑞[1] 付华[1] 韩猛[1]

FENG Shengcheng;ZHANG Zongrui;FU Hua;HAN Meng(Faculty of Electrical and Control Engineering,Liaoning Technical University,Huludao 125105,China;Shanxi Lu’an Environmental Protection Energy Development Co.,Ltd.,Wangzhuang Coal Mine,Changzhi 046204,China)

机构地区：[1]辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛125105 [2]山西潞安环保能源开发股份有限公司王庄煤矿,山西长治046204

出　　处：《电工电能新技术》

基　　金：国家自然科学基金项目(51974151);辽宁高等学校创新团队项目(LT2019007);辽宁高等学校国(境)外培养项目(2019GJWZD002)。

年　　份：2024

卷　　号：43

期　　号：6

起止页码：79-89

语　　种：中文

收录情况：AJ、BDHX、BDHX2023、CSCD、CSCD2023_2024、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对变压器故障诊断精确度低的问题,本文提出了一种多策略改进的鲸鱼优化算法(MIWOA)优化随机配置网络(SCN)的变压器故障诊断模型。首先,对变压器冗杂繁多的原始故障数据进行核主成分分析(KPCA)降维处理,降低无效特征的影响;其次,利用Tent混沌映射、动态自适应权重和初级知识获取共享算法对鲸鱼算法(WOA)进行改进,提高其优化能力;然后,在SCN中引入L2范数惩罚项进行正则化处理,并使用改进后的MIWOA算法对SCN惩罚项系数C进行寻优求解,提高SCN分类精度和泛化能力;最后,将降维的数据输入到MIWOA-SCN故障诊断模型中,提高模型收敛速度。结果表明,本文所提出的模型诊断精度为93.1%,与WOA-SCN、GWO-SCN和PSO-SCN诊断模型相比,分别提高了6.89%、9.48%、14.65%,证明MIWOA-SCN诊断模型在变压器故障诊断上具有良好的诊断效果。

关 键 词：变压器 鲸鱼优化算法  核主成分分析 动态自适应权重  初级知识获取共享算法  随机配置网络  

分 类 号：TM41]