摘要
为了克服DGA数据边界模糊和支持向量机(Support Vector Machine, SVM)参数难以选择的缺点,提出了一种基于核主成分分析(Kernel Principal Component Analysis, KPCA)和改进的粒子群算法(Particle Swarm Optimization, PSO)优化支持向量机的电力变压器故障诊断方法。首先,核主成分分析是用来提取特征的DGA特征量。此外,进一步提出了利用MPSO对SVM参数进行优化,建立基于SVM的最优诊断模型。在粒子群优化算法(PSO)中加入干扰因素,干扰这种“早熟”粒子的位置,从而摆脱局部最优。为了测试MPSO的优化性能,使用了两个测试函数。结果表明,MPSO比PSO有更好的优化性能。最后,基于MPSO-SVM和SVM,并使用3倍交叉无效法,对DGA数据进行了故障诊断。诊断结果表明,MPSO-SVM的诊断性能最高。为解决故障诊断领域的实际工程问题提供了一种研究思路。
-
单位无锡城市职业技术学院