基于VSRP与β-GWO-SVM的变压器故障辨识方法

作者：谢国民; 倪乐水^*; 曹媛

来源：高电压技术, 2021, 47(10): 3635-3641.

DOI：10.13336/j.1003-6520.hve.20200501

• 变压器
• 故障诊断
• 非常稀疏随机投影
• 改进灰狼算法
• 支持向量机

针对变压器故障诊断准确率低的问题,提出一种基于VSRP与β-GWO-SVM的变压器故障诊断方法。首先,采用非常稀疏随机投影(very sparse random projection,VSRP)对原始数据进行维数约减,消除变量信息之间的冗余特征;其次,用β-混沌序列优化的灰狼算法(β-chaotic map enabled grey wolf optimizer,β-GWO)动态寻优支持向量机(support vector machine,SVM)的核参数与惩罚因子,获取VSRP与β-GWO-SVM相结合的综合故障诊断模型;最后,将实际变压器故障数据输入诊断模型,并与传统灰狼优化支持向量机模型(GWO-SVM)、粒子群优化支持向量机模型(particle swarm optimization-SVM,PSO-SVM)进行对比验证,诊断精度分别为91.87%、82.13%、75.10%,结果表明该文所提方法能够有效地提升变压器故障诊断性能。

• 单位
  辽宁工程技术大学