基于ReliefF和HPO-SVM的变压器故障检测方法

摘要：

为提高油浸式电力变压器故障诊断的判断正确率,提出了一种利用 ReliefF特征权重法、HPO-SVM模型和油中溶解气体分析法(DGA)相结合的故障诊断方法.首先,该方法引入特征权重算法对输入量进行筛选降维;其次,采用猎食者优化算法对概率神经网络模型进行了优化,利用 SVM模型处理 DGA 比值集合,最终得到变压器的故障诊断结果.实验结果表明,采用 ReliefF特征权重算法进行降维的模型拥有更高的诊断精确度.实验结果证明 HPO-SVM、GWO-SVM、WOA-SVM、PSO-SVM的平均故障判断准确率分别为 94%、91.33%、90%、83.33%.仿真结果表明,优选后的混合特征模型诊断正确率更高,证实了此方案的优越性.

关键词：变压器故障诊断、油中溶解气体分析、特征权重、猎食者优化支持向量机

分类号：TM411(变压器、变流器及电抗器)

资助基金：国家重点研发计划2022YFE0105200

在线出版日期：2023-11-15（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：1-5