基于IGA-SVM的变压器多级故障诊断  

Transformer multilevel fault diagnosis based on IGA-SVM

作　　者：刘燕东 蒋波涛 乔楠 王锦[1] 郑雨 LIU Yandong;JIANG Botao;QIAO Nan;WANG Jin;ZHENG Yu

机构地区：[1]西安工程大学电子信息学院,陕西西安710600

出　　处：《自动化应用》2022年第11期165-167,共3页Automation Application

摘　　要：针对传统的基于支持向量机(support vector machine, SVM)的变压器故障诊断中变压器的故障特征和SVM参数难以确定的问题,本文提出了一种基于改进遗传算法(improved genetic algorithm, IGA)和SVM的变压器故障诊断模型。该方法以SVM作为分类器,以常用故障诊断方法的20中特征量作为初始特征集合,采用二进制方式将变压器的故障特征和SVM的参数编码到同一条染色体,利用改进遗传算法对变压器的故障特征和分类器的参数进行联合优化。因为变压器的故障特征和SVM的参数是互相影响的,因此对两者做一个联合优化是比较合理的方案。然后依据最优故障特征和最优参数进行模型训练,利用训练好的模型对测试集进行诊断。仿真结果表明所提方法具有较高的故障诊断准确率。

关 键 词：变压器 故障诊断 改进遗传算法 支持向量机 

分 类 号：TM761[电气工程—电力系统及自动化]