基于改进蝙蝠算法优化支持向量机的变压器故障诊断研究

论文摘要

针对传统蝙蝠算法收敛速度慢,求解精度低,易陷入局部最优等缺点,提出一种在速度公式中加入自学习因子并在位置公式中加入比例权重系数的改进方法。利用改进的蝙蝠算法对影响支持向量机分类精度的两个主要参数C和g进行寻优,获得最佳的参数组合并建立故障诊断模型,再结合溶解气体分析(DGA)数据获得故障诊断结果。实验表明,改进后的蝙蝠算法可以加快算法的收敛速度并提高求解精度。通过与传统的蝙蝠算法、粒子群算法、遗传算法寻优SVM获得故障诊断结果相比较,所提改进蝙蝠算法具有更高的故障正判率。

论文目录

• 0 引言
• 1 基于改进型蝙蝠算法的SVM参数优化
•   1.1 SVM核函数的选择
•   1.2 SVM多分类扩展策略
•   1.3 改进型蝙蝠算法优化SVM参数模型
• 2 基于改进型蝙蝠算法优化SVM的变压器故障诊断模型
•   2.1 样本分类与处理
•   2.2 变压器故障诊断的实现过程
• 3 实例分析
• 4 实验结果及分析
•   4.1 模型参数设置
•   4.2 实验结果分析
• 5 结论

文章来源

类型: 期刊论文

作者: 田晓飞

关键词: 改进蝙蝠算法,故障诊断,多分类支持向量机,变压器,预测

来源: 黑龙江电力 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 西华大学电气与电子信息工程学院

基金: 教育部“春晖计划”资助项目(Z2012029),四川省信号与信息处理重点实验室开放基金(szjj2012-015)

分类号: TM407;TP18

DOI: 10.13625/j.cnki.hljep.2019.01.003

页码: 11-15

总页数: 5

文件大小: 1205K

下载量: 203