苏 颖，李彦哲

(兰州交通大学 自动化与电气工程学院，兰州 730070)

在电力系统输变电装置中，电力变压器是核心部件之一，它是输变电的枢纽设备.电力变压器的运行状态直接关系着电力系统的可靠性水平.其内部故障具有潜伏性等特点导致很难及时发现，因此对其做出及时准确的判断具有重要意义[1].

国内外常用的检测变压器故障方法有许多，如通过油中糠醛实验来检测绝缘材料的老化程度，通过绕组直流电阻测量反应绕组间是否存在短路，根据绝缘油中气体含量的多少及变化速度反应内部故障性质，通过红外测温方法反应内部过热情况等[2-3].大卫三角法、Roger比值法[4]、主要气体法和IEC(international electrotechnical commission)三比值法是通过气体分析而广泛应用的故障诊断方法.此类比值方法是通过描述特征气体含量间的比值并对照编码，实现对故障类型的判断.在实际中应用比值法常过于绝对，还存在部分故障类型无对应编码的问题，本身具有很大局限性，故障诊断准确率很难保证[5].随着计算机与智能技术的蓬勃发展，以支持向量机[6]、神经网络[7-8]、极限学习[9]等为理论基础的智能化诊断方法被广泛应用到变压器故障诊断中，但人工神经网络系统相对复杂，小样本数据下准确率较差.极限学习训练方便，但鲁棒性较差，不具备故障诊断的要素.支持向量机相比较神经网络等方法更具有可控性，选用合理参数有利于构造良好性能的分类器[10].

本文提出具有莱维飞行机制和增加惯性权重的蝙蝠算法通过迭代来寻找最优参数，然后构造诊断模型来实现故障分类.引入惯性权重来改善蝙蝠算法的速度更新方式，使其受上一代蝙蝠飞行速度的影响不再是固定系数；……