基于特征量优选与ICA-SVM的变压器故障诊断模型

作者：田凤兰; 张恩泽^*; 潘思蓉; 杭颖; 任广为; 范贤浩; 张恒

来源：电力系统保护与控制, 2019, 47(17): 163-170.

DOI：10.19783/j.cnki.pspc.181259

• 电力变压器
• 故障诊断
• 三比值
• 帝国竞争算法
• 支持向量机

为了弥补现有变压器故障诊断方法在油中气体分析(DGA)特征量选取和诊断模型方面的不足,采用IEC三比值法中的3种气体比值作为变压器故障诊断的特征量。同时从含有8种油中溶解气体中任意3种及以上的共254种气体组合中筛选出准确率最高的3组最优DGA特征气体组合,将其作为对照组特征量。然后采用帝国竞争算法(ICA)优化支持向量机的变压器故障诊断模型(ICA-SVM),与标准支持向量机(SVM)法、粒子群优化向量机(PSO-SVM)以及IEC三比值法进行对比。实例结果表明:三气体比值特征量相比3组最优DGA气体组合,故障识别准确率提高了10%左右;ICA-SVM故障诊断模型相比标准SVM法、PSO-SVM和IEC三比值法故障识别准确率提高了7%～35%;综合三比值特征量与ICA-SVM故障诊断模型的准确率为89.3%,相较其他几种方法准确率提升了7%～35%。结果验证了该方法的有效性和准确性。

• 单位
  广西大学; 国网河南省电力公司郑州供电公司