摘要：为了提高变压器的故障诊断精度,提出了一种基于蝙蝠算法（BA）优化最小二乘双支持向量机（LS-TSVM）的变压器故障诊断方法。该方法针对变压器故障诊断过程中的多分类问题,通过计算类间相异度矩阵自下而上构建哈夫曼树,结合LS-TSVM建立了多类分类故障诊断模型,然后采用蝙蝠算法对模型中LS-TSVM分类器的参数进行优化。利用该方法对变压器进行故障诊断,实例仿真结果表明：与粒子群优化支持向量机（PSO-SVM）方法相比,所提方法不仅训练时间显著缩短,而且故障诊断精度更高,对于高温过热、低能放电故障的诊断精度均明显高于PSO-SVM方法。仿真结果说明所提方法在变压器故障诊断中具有较高的优越性。

关键词：变压器 油中溶解气体分析 最小二乘双支持向量机 哈夫曼树 蝙蝠算法 

单位：武汉大学电气工程学院; 武汉430072