周志成　 杨志超　 杨成顺　 陶风波　 李建生

(1江苏省电力公司电力科学研究院, 南京 211103)(2南京工程学院电力工程学院, 南京 211167)



基于改进RADAG-SVM的电力变压器故障诊断

周志成1杨志超2杨成顺2陶风波1李建生1

(1江苏省电力公司电力科学研究院, 南京 211103)(2南京工程学院电力工程学院, 南京 211167)

为提高变压器故障诊断的正确率，提出一种基于改进重排序自适应有向无环图(reordering adaptive directed acyclic graph, RADAG)支持向量机(support vector machines, SVM)的电力变压器故障诊断方法.该方法首先利用基于K折交叉验证和人工蜂群算法优化SVM的核函数和惩罚因子参数，使二分类SVM获得最佳的分类性能；其次，为进一步提高多分类SVM的性能，提出利用交叉确认机制估计每个二分类SVM的泛化能力的方法，并将其用于改进RADAG-SVM的分类精度.最后，给出基于改进RADAG-SVM的变压器故障诊断流程并进行实例分析.结果表明，所提方法、原始RADAG-SVM和基于结点优化的DDAG-SVM方法对变压器故障诊断的平均正确率分别为94.16%，87.85%和90.77%.因而，与其他2种诊断方法相比，所提方法具有较好的故障诊断效果.

电力变压器;故障诊断;重排序自适应有向无环图;支持向量机

对变压器的运行状态及其潜伏故障进行判断,及时发现故障的性质及发展趋势对掌握变压器的运行状态以及电力系统的安全稳定运行均具有重要意义.DGA(dissolved gas analysis)方法是目前发现油浸变压器早期内部故障最有效、简单的方法之一.其中,IEC三比值法在以往的设备维护中为发现变压器故障隐患、降低事故率发挥了巨大作用.但在长期……