基于秃鹰搜索算法优化SVM的变压器故障诊断
Transformer Fault Diagnosis Based on SVM Optimized by Bald Eagle Search Algorithm作者机构:广西科技大学自动化学院广西柳州545616 广西柳州特种变压器有限责任公司广西柳州545006 广西科技大学计算机科学与技术学院广西柳州545006
出 版 物:《南方电网技术》 (Southern Power System Technology)
年 卷 期:2023年第17卷第6期
页 面:99-106,116页
核心收录:
学科分类:080801[工学-电机与电器] 0808[工学-电气工程] 08[工学]
基 金:国家自然科学基金资助项目(61563006) 广西自然科学基金重点资助项目(2020GXNSFDA238011) 广东省基础与应用基础研究基金项目(2021B1515420003) 广西科技大学研究生教育创新计划项目(GKYC202325)。
主 题:变压器 故障诊断 秃鹰搜索算法 支持向量机 溶解气体分析
摘 要:针对支持向量机(support vector machines,SVM)变压器故障诊断模型存在正确率低、运行时间长的问题,提出一种基于秃鹰搜索算法(bald eagle search,BES)优化SVM的变压器故障诊断模型。首先,选取4个测试函数对BES算法进行性能测试,并与布谷鸟算法(cuckoo search,CS)、人工蜂群算法(artificial bee colony,ABC)和萤火虫算法(firefly algorithm,FA)进行对比,结果表明BES算法不论是收敛速度还是泛化能力都有更好的优化性能。然后,采用BES算法对SVM的核函数参数g和c进行优化,建立了基于油中溶解气体分析(dissolved gas analysis,DGA)的BESSVM变压器故障诊断模型,并与ELM、SVM、CS-SVM、ABC-SVM、FA-SVM故障诊断模型进行仿真实验对比。结果表明,BES-SVM故障诊断模型综合正确率为98.67%,比上述对比故障诊断模型分别提高了22.67%、20%、13.34%、12%、10.67%,且运行时间最短,所提BES-SVM变压器故障诊断模型具有更好的故障诊断效果。