基于GJO特征量优选的AO-RF的变压器故障诊断模型

作者：叶育林; 刘森; 黄松; 韩晓慧; 杜振斌; 李彬; 吕杰; 薛杨; 赵春琳

来源：高压电器, 2022, 1-10.

• 变压器
• 故障诊断
• 金豺算法
• 随机森林
• 天鹰算法

在变压器故障诊断过程中，进行合理的特征优选，将有助于提高诊断模型的诊断精度，为此，文中提出了一种基于GJO特征量优选与AO-RF的变压器故障诊断模型。首先，采用金豺优化算法（golden Jackal optimization，GJO）对构建的21维变压器油中溶解气体特征量进行优选；然后，根据GJO得到的特征优选结果，采用天鹰算法（aquila optimizer，AO）优化随机森林（random forest，RF）的变压器故障诊断模型对变压器故障进行诊断，并与不同特征量、不同故障诊断模型的诊断结果进行了对比。实验结果表明：GJO优选特征量相比21维原始特征、三比值法、无编码比值法以及AO优选特征量的故障诊断准确率可提高1.12%～25.78%，kappa系数可提高0.02～0.24；AO-RF故障诊断模型较RF、SVM、ELM、 SSA-RF、WOA-RF、GJO-RF模型的诊断准确率可提高1.84%～15.86%，kappa系数可提高0.02～0.16，验证了所提方法的有效性和准确性。

• 单位
  华北电力大学（保定）; 河北科技大学; 保定天威保变电气股份有限公司; 中广核工程有限公司