基于SVM与物元信息熵的变压器健康度分析与预测

作者：牛国成; 胡贞^*; 胡冬梅

来源：湖南大学学报(自然科学版), 2019, 46(08): 91-97.

DOI：10.16339/j.cnki.hdxbzkb.2019.08.012

• 变压器
• 光声光谱
• 复合物元
• AHP
• 关联熵
• 健康度
• 支持向量机

为实现变压器运行状态的定量分析和预测,提出了利用变压器中溶解气体结合变压器典型故障类型建立变压器健康度的立体交叉复合物元,分别利用层次分析法AHP(Analytic Hierarchy Process)和信息熵值法确定影响变压器健康度的主、客观权重,利用物元-最大信息熵来定量分析变压器健康度.提出了利用支持向量机SVM (Support Vector Machines)预测变压器未来的运行状况,采用交叉验证的网格搜索法(K-fold)、遗传算法(Genetic Algorithm GA)和粒子群算法(Particle Swarm Optimization PSO)优化支持向量机的参数,建立最佳预测模型,该方法为变压器的故障排除、检修决策和在线预估提供了数据支持.

• 单位
  北华大学; 长春理工大学; 电子信息工程学院