一种自主核优化的二值粒子群优化–多核学习支持向量机变压器故障诊断方法

作者：尹玉娟; 王媚; 张金江; 袁鹏; 詹俊鹏; 郭创新

来源：电网技术, 2012, (07): 249-254.

DOI：10.13335/j.1000-3673.pst.2012.07.032

• 溶解气体分析
• 支持向量机
• 多核学习
• 二值粒子群优化
• 故障诊断
• 变压器 dissolved gas analysis
• support vector machine
• multi-kernel learning
• BPSO
• fault diagnosis
• transformer

支持向量机(support vector machine,SVM)对于核函数及模型参数十分敏感,多核学习可降低模型的参数敏感性。提出了基于二值粒子群优化(binary particle swarmoptimization,BPSO)的多核学习SVM分类方法(BPSO-MKSVC)进行变压器故障诊断。多核学习支持向量机(multi-kernel support vector classifier,MKSVC)采用由多个基核线性组合的多核进行学习,其中每一个基核完成从特定样本空间提取故障特征,通过多面故障特征的线性组合,将学习分类问题转化为相应的凸规划问题进行迭代求解。采用BPSO优化算法对MKS...

• 单位
  浙江科技学院; 上海市电力公司; 浙江大学