基于特征选择和ICOA-LSSVM的变压器故障诊断

作者：向小民; 盛刘宇; 刘谦; 刘闯

来源：电气工程学报, 2023, 1-9.

• 变压器
• 故障诊断
• 改进黑猩猩算法
• 最小二乘支持向量机
• 特征选择

为提高变压器故障诊断的准确率，提出了一种基于特征选择和改进黑猩猩算法(Improved chimp optimization algorithm，ICOA)优化最小二乘支持向量机(Least squares support vector machine，LSSVM)的变压器故障诊断方法。采用F-score和信息增益两种方法对故障特征进行筛选，根据特征选择结果确定变压器故障诊断模型的输入量。采用ICOA算法对LSSVM的惩罚因子和核参数进行优化，建立了基于特征选择和ICOA-LSSVM的变压器故障诊断模型。采用实际变压器故障数据进行算例分析，并与其他变压器故障诊断方法进行对比，结果表明，考虑特征选择的ICOA-LSSVM模型诊断结果的正确率高达95.83%，高于其他方法，验证了所提变压器故障诊断方法的正确性和优越性。

• 单位
  三峡大学