基于改进北方苍鹰算法优化混合核极限学习机的变压器故障诊断方法

摘要：

为提高变压器故障诊断精度,提出了一种基于改进北方苍鹰优化算法(improved northern goshawk optimization algorithm,INGO)优化混合核极限学习机(hybrid kernel extreme learning machine,HKELM)的变压器故障诊断方法.首先,利用ReliefF算法对19 维变压器故障特征进行筛选降维;其次,引入Logistic-tent混沌映射、柯西变异算子和非线性递增权重三种策略改进北方苍鹰优化算法,提高全局寻优能力;然后使用改进后的INGO算法优化HKELM的初始参数,以提高HKELM的分类准确性和鲁棒性;最后,将经ReliefF优选后的特征作为模型的输入特征,并与不同变压器故障诊断模型进行对比实验.仿真结果表明,INGO-HKELM故障诊断模型相较于其他模型具有更高的故障诊断精度.

关键词：变压器、故障诊断、北方苍鹰优化算法、混合核极限学习机

所属期刊栏目：43

分类号：TM41(变压器、变流器及电抗器)

资助基金：国家社会科学基金21BJL098

在线出版日期：2023-09-15（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：125-132