利用数据挖掘技术实现电力变压器故障识别

作者：刘军; 席照才

来源：信息技术, 2020, 44(11): 142-147.

DOI：10.13274/j.cnki.hdzj.2020.11.028

• 溶解气体分析
• 电力变压器
• 支持向量机
• 粒子群优化
• 逐步回归

针对溶解气体分析(DGA)技术在识别电力变压器故障时所存在的准确率较低问题,提出了结合粒子群优化(PSO)算法的支持向量机(SVM)算法来识别变压器的故障类型的解决思路。PSO用于优化SVM算法参数以提高SVM的分类准确度,还引入逐步回归算法来精简DGA数据集以提升SVM的运行效率。通过对五种不同PSO算法的对比实验发现,带有时变加速度系数的基于进化粒子群(MEPSO-TVAC)优化的SVM算法具有最佳的变压器故障识别准确度。而且在使用逐步回归进行特征选择后,SVM算法能够在不降低准确度的前提上有效提升运行效率。

• 单位
  国网安徽省电力有限公司