基于支持向量机和遗传算法的变压器故障诊断

作者：吐松江·卡日; 高文胜; 张紫薇; 莫文雄; 王红斌; 崔屹平

来源：清华大学学报, 2018, 58(07): 623-629.

DOI：10.16511/j.cnki.qhdxxb.2018.25.032

• 故障诊断
• 油中溶解气分析
• 支持向量机(SVM)
• 遗传算法(GA)

为了提高变压器故障诊断准确率,该文提出了一种基于支持向量机(support vector machine,SVM)和遗传算法(genetic algorithm,GA)的电力变压器故障诊断方法。基于5种常用油中溶解气体分析方法的20种不同输入建立初始特征集合,采用二进制方式将支持向量机惩罚因子、核参数及特征子集编码至遗传算法染色体,建立基于5折交叉验证正确率的适应度函数,联合优化最优特征子集和支持向量机参数组合。然后依据最优特征子集和参数组合训练诊断模型,并利用测试集和故障实例验证诊断性能。实例分析结果表明:该方法能准确、有效地诊断变压器故障,比基于传统特征子集的支持向量机-遗传算法模型、IEC三比值法、反向传播神经网络和朴素Bayes等方法具有更高的诊断准确率。

• 单位
  清华大学; 广州供电局有限公司