基于ANOVA和BO-SVM的变压器故障诊断方法

作者：康佳宇; 张沈习^*; 张庆平; 高博; 闫振华; 程浩忠

来源：高电压技术, 2023, 49(05): 1882-1891.

DOI：10.13336/j.1003-6520.hve.20220630

• 变压器
• 故障诊断
• 油中溶解气体分析
• 方差分析
• 黑猩猩优化支持向量机

为了提高变压器故障诊断模型的诊断精度，提出了一种基于方差分析(analysis of variance, ANOVA)和黑猩猩算法优化支持向量机(bonobo optimizer-support vector machine, BO-SVM)的变压器故障诊断方法。首先，采用方差分析对模型输入量，即变压器油中溶解气体特征进行筛选降维。其次，用黑猩猩算法对影响支持向量机诊断性能的2个参数(核参数与惩罚因子)进行寻优。最后，利用该文所提方法对变压器进行故障诊断，实例仿真结果表明：与IEC、Rogers法相比，采用ANOVA对模型输入量进行筛选降维能更好地提升模型性能；BO算法优化后的支持向量机对比网格搜索算法优化后的支持向量机，在训练速度与诊断精度两方面都有所提升；与粒子群优化支持向量机(particle swarm optimization-support vector machine,PSO-SVM)和遗传算法优化支持向量机(genetic algorithm-support vector machine, GA-SVM)相比，所提方法收敛更快，且故障诊断精度更高、更稳定，BO-SVM、PSO-SVM和GA-SVM的平均诊断正确率分别为91.69%、83.29%、81.34%，验证了所提方法的优越性。

• 单位
  上海交通大学; 电力传输与功率变换控制教育部重点实验室