施竹君,王宝华

(南京理工大学 自动化学院,南京 210094)

基于支持向量机的变压器故障诊断方法①

施竹君,王宝华

(南京理工大学 自动化学院,南京 210094)

为了提高变压器故障诊断的准确率,提出了一种支持向量机(SVM)和改进布谷鸟算法(WCS)及最速下降法相结合的电力变压器故障诊断方法.引入一种新的惯性权重,解决布谷鸟算法在迭代后期收敛速度下降的问题.利用最速下降法与改进的布谷鸟算法相结合的算法进行SVM参数的寻优,克服了基本的SVM模型容易陷入局部最优的缺陷,从而得到具有最佳参数的支持向量机分类模型,利用LIBSVM工具箱在MATLAB软件平台上训练支持向量机,用训练良好的支持向量机诊断110kV甘棠变电所#1主变压器故障情况.通过实例验证分析表明,采用该算法可以准确、有效地对变压器进行故障诊断;相较于粒子群算法(PSO)、遗传算法(GA)、网格搜索算法(GS)等算法,该方法具有更高的诊断准确率.

支持向量机;布谷鸟算法;最速下降法;故障诊断;分类模型

电力变压器安全稳定地运行是整个电网稳定的基础.若设备出现故障,一般会使设备停止运行,并会造成巨大的经济损失[1].所以为了预防变压器发生故障,必须对其进行故障诊断研究,从而降低故障发生的概率,并及时采取措施,对变压器进行维修或更换.

如今,油中溶解气体分析法(DGA)已普遍应用于油浸电力变压器的故障诊断.通过大量研究表示,基于DGA的电力变压器故障诊断技术主要分为……