利用改进遗传算法与LS-SVM进行变压器故障诊断
最小二乘支持向量机(least square support vector machines,LS-SVM)能较好地解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障诊断,但参数c与σ~2的选取对诊断结果影响较大,因此有必要对其进行优化选择.文中利用改进遗传算法(improved genetic algorithm,IGA)对C与σ~2参数进行寻优.IGA采用了编码机制随机产生初始种群,这样可快速扩大搜索空间,稳定群体中个体多样性,有效提高全局搜索能力和收敛速度.文中采用IGA优化后的LS-SVM对多组变压器油色谱数据进行故障诊断分析.结果表明,IGA可以有效实现对LS-SVM算法中c与σ~2的优化选取,提高变压器故障诊断的准确率.
变压器、故障诊断、改进遗传算法、最小二乘支持向量机、溶解气体分析、参数优化
34
TM41(变压器、变流器及电抗器)
教育部长江学者奖励计划项目;创新团队发展计划
2010-06-22(万方平台首次上网日期,不代表论文的发表时间)
164-168