基于改进GSA-SVM模型的电力变压器故障诊断

摘要：

准确评估输变电设备运行状态是电力企业生产技术工作的核心内容.为提高电力变压器故障诊断精度,避免传统引力搜索算法(GSA)自身收敛速度慢且易陷入局部最优区等不足,提出一种利用混沌序列改进GSA的支持向量机(SVM)模型,用于电力变压器故障诊断中.首先利用混沌序列来增加重力粒子的多样性,目的是避免在其训练时陷入局部最优区;然后利用改进的GSA算法来优化SVM模型自身的参数,从而提升该模型的预测准确率;最后将预测结果与其他3种传统诊断模型的预测结果进行了对比分析,结果表明利用混沌序列改进的GSA-SVM模型有着更好的泛化能力以及更高的分类准确率.

关键词：电力变压器、GSA、混沌序列、SVM、故障诊断

所属期刊栏目：50

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51907109

在线出版日期：2022-07-05（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：50-56