10.3969/j.issn.1007-3175.2023.01.001
基于ReliefF-mRMR与IAO-SVM的变压器故障诊断
为进一步提高变压器故障诊断准确率,提出一种基于ReliefF-mRMR与IAO-SVM结合的变压器故障诊断模型.采用ReliefF和最大相关最小冗余(mRMR)算法对变压器故障数据进行特征优选;引入混沌反向学习和自适应混合变异策略改进天鹰优化算法,并对最优特征集合和支持向量机(SVM)参数联合寻优,构建最佳故障诊断模型;利用已有变压器故障数据对所提模型仿真实验,并与常用故障诊断模型灰狼算法支持向量机(GWO-SVM)、天鹰优化算法支持向量机(AO-SVM)相比较,准确率分别提高了10.76%和6.15%,高达95.38%,结果表明所提模型能有效提高变压器故障诊断精度.
变压器、故障诊断、特征优选、改进天鹰优化算法、支持向量机
TM407(变压器、变流器及电抗器)
2023-02-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
1-7