改进支持向量机在电力变压器故障诊断中的应用研究

摘要：

针对电力变压器故障诊断中状态量判断指标过于绝对、智能算法准确率受参数影响等问题,在分析电力变压器故障的基础上,提出将支持向量机(Support Vector Machine,SVM)和细菌觅食算法(Bacterial Foraging Algorithm,BFA)相结合用于电力变压器的故障诊断方法.通过细菌觅食算法的寻优能力找到最优的支持向量机惩罚因子和核参数,提高了故障诊断能力.通过仿真和实例进行对比分析,验证了该方法的优越性.结果表明,相比于粒子群优化,细菌觅食算法具有更好的寻优能力.基于BFA-SVM的故障诊断模型,相比于改进前,具有更高的准确性、鲁棒性和寻优能力,故障诊断准确率相比于粒子群优化提高了 7.50％,具有一定的实用价值.

关键词：电力变压器、故障诊断、支持向量机、细菌觅食算法、最优参数

所属期刊栏目：59

分类号：TM41(变压器、变流器及电抗器)

资助基金：中国南方电网有限公司科技项目090000HA42190008

在线出版日期：2022-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：48-53