摘要:最小二乘支持向量机(least square support vector machines,LS-SVM)能较好地解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障诊断,但参数c与σ2的选取对诊断结果影响较大,因此有必要对其进行优化选择。文中利用改进遗传算法(improved genetic algorithm,IGA)对c与σ2参数进行寻优。IGA采用了编码机制随机产生初始种群,这样可快速扩大搜索空间,稳定群体中个体多样性,有效提高全局搜索能力和收敛速度。文中采用IGA优化后的LS-SVM对多组变压器油色谱数据进行故障诊断分析。结果表明,IGA可以有效实现对LS-SVM算法中c与σ2的优化选取,提高变压器故障诊断的准确率。
关键词:变压器 故障诊断 改进遗传算法 最小二乘支持向量机 溶解气体分析
单位:石家庄供电公司 河北省石家庄市050000 电力系统保护与动态安全监控教育部重点实验室(华北电力大学) 河北省保定市071003 广安电业局调通中心 四川省广安市638000
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社