基于IFOA-SVM的变压器故障诊断与定位研究

摘要：

为了充分发掘变压器油中溶解气体所蕴含的故障信息,实现变压器故障性质和故障位置的准确判断,利用邻域粗糙集(Neighborhood Rough Set,NRS)和强化型果蝇算法(Improved Fruit Fly Optimization Algorithm,IF-OA)优化的支持向量机(Support Vector Machine,SVM)构建变压器故障诊断与定位多层分类模型.首先,利用邻域粗糙集按照条件属性重要度对变压器故障样本特征值进行约简.其次,为了提升变压器故障诊断与定位模型的分类精度,设计一种强化型果蝇算法对SVM的核函数参数和惩罚因子选取进行优化.利用 Tent-logistic混沌映射产生的混沌序列生成果蝇种群的初始位置信息,减少随机过程带来的不可控性;利用动态自适应步长参数调节个体的搜索范围,增强FOA的寻优效率.仿真分析结果表明,基于改进模型的方法不仅可以实现变压器故障位置的判定,而且能提升变压器故障诊断的精度.

关键词：变压器、故障诊断、故障定位、果蝇优化算法、支持向量机

分类号：TM07(一般性问题)

在线出版日期：2023-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：46-50