基于粒子群优化支持向量机的变压器故障诊断

被引：50

作者：

费胜巍 ^{[1
]}

苗玉彬 ^{[1
]}

刘成良 ^{[1
]}

张晓斌 ^{[2
]}

机构：

[1] 上海交通大学机械与动力工程学院

[2] 广西特种设备监督检验院

来源：

高电压技术 | 2009年 / 35卷 / 03期

关键词：

故障诊断; 粒子群优化; 支持向量机; 电力变压器; 参数优化; 分类算法; 统计学习理论;

D O I：

10.13336/j.1003-6520.hve.2009.03.036

中图分类号：

TM407 [维护、检修];

学科分类号：

080801 ;

摘要：

为了克服了人工神经网络(ANN)中存在的过拟合、收敛速度慢、容易陷入局部极值等缺点,提出了基于粒子群优化支持向量机(PSO-SVM)的变压器故障诊断方法,即将粒子群优化算法(PSO)用于SVM参数优化。PSO是一种智能群体搜索方法,它源于对鸟类捕食行为的研究。这种方法不仅具有很强的全局搜索能力,而且容易实现,适合于SVM参数优化。变压器故障诊断实例分析结果证明,PSO-SVM的诊断精度高于IEC三比值法、BP神经网络、普通的SVM,PSO-SVM适用于电力变压器故障诊断。

引用

页码：509 / 513

页数：5

共 10 条

[1] 利用DGA-NN诊断油浸式电力变压器故障 [J].