10.3969/j.issn.1001-0505.2016.05.011
基于改进RADAG-S VM的电力变压器故障诊断
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.
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
46
TM71(输配电工程、电力网及电力系统)
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.
2016-11-03(万方平台首次上网日期,不代表论文的发表时间)
共8页
964-971