基于SSA-AdaBoost-SVM的变压器故障诊断

摘要：

针对支持向量机(SVM)诊断变压器故障的效果不稳定的问题,利用AdaBoost集成算法对其强化,得到的AdaBoost-SVM模型诊断结果比较稳定,但准确度依然有待提高.因此,提出利用麻雀搜索算法(SSA)对AdaBoost-SVM模型进行优化,指定其弱分类器权重口αt、SVM惩罚因子c和核参数g的寻优范围,使用SSA对三种参数在指定的寻优范围内寻优,提高模型的准确率.将提出的SSA-AdaBoost-SVM变压器故障诊断模型与PSO-SVM、SSA-SVM、AdaBoost-SVM、AdaBoost-SSA-SVM和PSO-AdaBoost-SVM五种模型对比,提出的模型具有更高的准确率和稳定性,平均准确率可达91.58％.实验结果表明,提出的SSA-AdaBoost-SVM变压器故障诊断模型具有更好的表现.

关键词：变压器故障诊断;支持向量机;AdaBoost集成算法;麻雀搜索算法;弱分类器权重

所属期刊栏目：29

分类号：TM411(变压器、变流器及电抗器)

资助基金：国家自然科学基金;国家自然科学基金;辽宁省高等学校国境外培养项目;辽宁省高等学校创新团队项目;辽宁省自然基金指导计划

在线出版日期：2022-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：280-286