基于PSO-SVM的矿用干式变压器局部放电模式识别

作者：康琛笠; 刘西青

来源：计算机产品与流通, 2020, (08): 141.

• 矿用干式变压器
• 局部放电
• 粒子群优化
• 支持向量机
• 模式识别

矿用干式变压器内部绝缘缺陷的发展通常与环境状况密切相关,而体现缺陷的局部放电信号具有一定的随机性,对局部放电类型进行有效的识别是准确评估矿用干式变压器绝缘状态的前提。针对传统局部放电分类方法的不足,本文提出了一种基于粒子群优化支持向量机(PSO-SVM)的局部放电模式识别方法。该方法采用多分类法中的"一对多"分类原理,借助于粒子群优化算法实现对SVM参数的优化,从而能有效地提高分类准确率。通过实验结果表明,PSO-SVM分类精度明显高于反向传播神经网络(BPNN)及传统的SVM识别方法,说明该方法在矿用干式变压器局部放电模式识别及故障预警系统领域具有良好的应用前景。

• 单位
  山西工程职业技术学院