傅军栋，陈　俐，康水华，冯奕轩

（华东交通大学电气与自动化工程学院，江西 南昌330013）

基于蜻蜓算法和支持向量机的变压器故障诊断

傅军栋，陈俐，康水华，冯奕轩

（华东交通大学电气与自动化工程学院，江西 南昌330013）

电力变压器作为电力系统中变换电压、输送电能、分配电能的重要电力设备，其运行状态直接影响到电网的运行安全。为了提高故障诊断的准确率，提出了一种基于蜻蜓算法（dragonfly algorithm，DA）和支持向量机（support vector machine，SVM）的变压器故障诊断方法。利用蜻蜓算法DA对SVM分类器参数进行优化且以SVM分类预测准确率最大为其适应度函数。变压器故障诊断实例仿真结果分析表明：基于蜻蜓算法的DA-SVM支持向量机的变压器故障诊断与交叉验证法CV-SVM，基于遗传算法的GA-SVM，基于粒子群算法的PSO-SVM相比较，在变压器故障诊断中具有故障诊断准确率高，全局寻优能力强，收敛速度快，且稳定性好的优越性。

蜻蜓算法；支持向量机；变压器；故障诊断

电力变压器是电力系统的关键设备，正确诊断电力变压器的潜伏性故障对提高电力系统的运行安全性、可靠性及经济性具有重要意义［1-4］。

由于油浸式变压器油中溶解气体的组成与含量可以在很大程度上反映变压器的运行状态，国际电工委员会推荐油中溶解气体分析方法（dissolved gas analysis，DGA）已经成为油浸式变压器故障诊断的一种最方便，有效方法之一［5］。它能比较准确、可靠的发现变压器潜伏性故障，从而防止重大事故的发生。目前，故障判断的方法主要有三比值法、Rogers法、Dornerburg法以及改良三比值法等传统方法以及人工神经网络、叶贝斯网络、支持向量机等智能方法。……