基于PSO-ELM融合动态加权AdaBoost的变压器故障诊断方法

作者：黄新波; 王享; 田毅; 李立浧; 曹雯

来源：高压电器, 2020, 56(05): 39-46.

• 变压器
• 故障诊断
• PSO-ELM
• 多分类AdaBoost
• 动态调整

油中溶解气体分析(DGA)是电力变压器故障诊断的一种常用方法。然而,基于DGA的传统方法不能建立精确的数学模型,单一智能诊断方法在实际应用中存在分类能力不足等问题,导致诊断结果准确率较低。文中提出一种基于PSO-ELM融合动态加权AdaBoost的变压器故障诊断方法。首先利用PSO算法对ELM模型进行优化,得到PSO-ELM模型,然后利用多分类AdaBoost算法对PSO-ELM模型进行重复迭代,得到带有不同权重的弱分类器,通过计算各分类器对测试样本的分错率,不断调整每个弱分类器的权重系数,最终利用所有弱分类器加权投票对监测数据进行故障诊断。实验结果表明,相比于BP神经网络、ELM、支持向量机(SVM),文中算法的诊断准确率分别提高16.02%、9.78%、5.62%。

• 单位
  华南理工大学; 西安工程大学