基于优化极限学习机的变压器故障诊断方法研究

作者：何宁辉; 丁培; 马飞越; 王玮; 伍弘

来源：电子器件, 2021, 44(04): 897-902.

• 电力变压器
• 故障诊断
• 灰狼优化算法
• 极限学习机

电力变压器的智能故障诊断是推动智能电网发展的主要环节,但传统的单一智能诊断算法无法有效处理变压器大量不完整的故障信息,导致故障诊断准确率低。因此,结合溶解气体分析(DGA)技术,提出了一种基于灰狼优化算法优化的混合核极限学习机的变压器故障诊断方法。首先,根据Mercer定理,结合局部径向基核函数和全局多项式核函数,构建了混合核极限学习机模型。其次,可以通过灰狼优化算法对混合核函数的参数进行优化。最后结合实际数据对6种变压器故障数据进行了诊断,诊断准确率为90.2%(普通神经网络仅为77.8%)。该方法相比于传统的神经网络具有较高的诊断精度。应用混合核函数可以提高KELM的学习能力和泛化能力,以提高诊断精度。