基于改进RADAG-S VM的电力变压器故障诊断

摘要：

为提高变压器故障诊断的正确率，提出一种基于改进重排序自适应有向无环图（reordering adaptive directed acyclic graph，RADAG）支持向量机（support vector machines，SVM）的电力变压器故障诊断方法．该方法首先利用基于K折交叉验证和人工蜂群算法优化SVM的核函数和惩罚因子参数，使二分类SVM获得最佳的分类性能；其次，为进一步提高多分类SVM的性能，提出利用交叉确认机制估计每个二分类 SVM的泛化能力的方法，并将其用于改进 RADAG-SVM的分类精度．最后，给出基于改进RADAG-SVM的变压器故障诊断流程并进行实例分析．结果表明，所提方法、原始RADAG-SVM和基于结点优化的DDAG-SVM方法对变压器故障诊断的平均正确率分别为94．16％，87．85％和90．77％．因而，与其他2种诊断方法相比，所提方法具有较好的故障诊断效果．

关键词：电力变压器、故障诊断、重排序自适应有向无环图、支持向量机

所属期刊栏目：46

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国家电网公司总部科技资助项目5299001352U0;江苏省产学研联合前瞻性资助项目BY2015008-05，BY2016008-05．

在线出版日期：2016-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：964-971