基于特征量优选与ICA-SVM的变压器故障诊断模型

作     者：田凤兰 张恩泽 潘思蓉 杭颖 任广为 范贤浩 张恒 TIAN Fenglan;ZHANG Enze;PAN Sirong;HANG Ying;REN Guangwei;FAN Xianhao;ZHANG Heng

作者机构：国网河南省电力公司郑州供电公司河南郑州450052 广西电力系统最优化与节能技术重点实验室(广西大学)广西南宁530004 

出 版 物：《电力系统保护与控制》 (Power System Protection and Control)

年 卷 期：2019年第47卷第17期

页      面：163-170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：国家自然科学基金项目资助(51867003) 广西自然科学基金资项目资助(2015GXNSFBA139235) 广西科技厅项目资助(AE020069) 国网河南省电力公司科技项目资助(52170215000V)~~ 

主　　题：电力变压器 故障诊断 三比值 帝国竞争算法 支持向量机 

摘      要：为了弥补现有变压器故障诊断方法在油中气体分析(DGA)特征量选取和诊断模型方面的不足,采用 IEC 三比值法中的 3 种气体比值作为变压器故障诊断的特征量。同时从含有 8 种油中溶解气体中任意 3 种及以上的共 254种气体组合中筛选出准确率最高的 3 组最优 DGA 特征气体组合,将其作为对照组特征量。然后采用帝国竞争算法(ICA)优化支持向量机的变压器故障诊断模型(ICA-SVM),与标准支持向量机(SVM)法、粒子群优化向量机(PSO-SVM)以及 IEC 三比值法进行对比。实例结果表明:三气体比值特征量相比 3 组最优 DGA 气体组合,故障识别准确率提高了 10%左右;ICA-SVM 故障诊断模型相比标准 SVM 法、PSO-SVM 和 IEC 三比值法故障识别准确率提高了 7%~35%;综合三比值特征量与 ICA-SVM 故障诊断模型的准确率为 89.3%,相较其他几种方法准确率提升了 7%~35%。结果验证了该方法的有效性和准确性。