【摘要】：電力變壓器是電力系統(tǒng)運行中的重要設備之一,對故障和缺陷進行正確的診斷,關系到整個電網的運行安全。支持向量機(SVM)能夠較好地解決小樣本、非線性特征的多分類問題,適用于變壓器故障類型判斷。利用布谷鳥搜索算法,對支持向量機進行尋優(yōu)得到全局最優(yōu)解,從而得到具有最佳參數的支持向量機分類模型。該分類模型將變壓器油色譜數據(DGA)中各氣體相對含量作為評估指標,將變壓器的故障分為低能放電、高能放電、中低溫過熱、高溫過熱等4個故障類型。通過已有的數據實例分析得出,利用布谷鳥搜索算法得到的分類模型比常用的網格搜索算法(GS)、粒子群搜索算法(PSO)、遺傳算法搜索(GA)等算法得到的模型擬合準確率更好。
【作者單位】： 國網電力科學研究院/南京南瑞集團公司;江蘇瑞中數據股份有限公司;
【分類號】：TM407;TP18

【參考文獻】

相關期刊論文 前10條

1 彭文季;羅興，

本文編號：2553649