论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 田凤兰,张恩泽,潘思蓉,杭颖,任广为,范贤浩,张恒
关键词: 电力变压器,故障诊断,三比值,帝国竞争算法,支持向量机
来源: 电力系统保护与控制 2019年17期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 国网河南省电力公司郑州供电公司,广西电力系统最优化与节能技术重点实验室(广西大学)
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)~~
分类号: TM407
DOI: 10.19783/j.cnki.pspc.181259
页码: 163-170
总页数: 8
文件大小: 820K
下载量: 307
相关论文文献
- [1].基于深度置信网络和多维信息融合的变压器故障诊断方法[J]. 电力工程技术 2019(06)
- [2].基于人工蜂群算法优化支持向量机的变压器故障诊断[J]. 科技创新与应用 2020(02)
- [3].堆栈稀疏降噪自编码网络在变压器故障诊断中的应用[J]. 中国科技论文 2019(11)
- [4].基于模糊关系与自组织竞争网络的变压器故障诊断[J]. 科技创新与应用 2020(08)
- [5].基于混沌粒子群优化核极限学习机的变压器故障诊断方法[J]. 微处理机 2020(02)
- [6].基于加权中智C均值算法的变压器故障诊断模型[J]. 水电能源科学 2020(05)
- [7].基于色谱分析的变压器故障诊断[J]. 甘肃科技 2020(12)
- [8].一种基于深度收缩自编码网络的变压器故障诊断方法[J]. 科技创新导报 2020(16)
- [9].基于深度森林的变压器故障诊断方法[J]. 电力科学与工程 2020(09)
- [10].电力变压器故障诊断及检修探讨[J]. 无线互联科技 2020(13)
- [11].综合三比值特征量与帝国竞争优化支持向量机的变压器故障诊断模型[J]. 广西电力 2019(03)
- [12].红外激光光谱分析的变压器故障诊断[J]. 激光杂志 2016(11)
- [13].混合神经网络在变压器故障诊断中的应用[J]. 电子测量与仪器学报 2017(01)
- [14].基于混合算法与支持向量机的电力变压器故障诊断[J]. 电气开关 2017(03)
- [15].在线检测装置在变压器故障诊断中的应用[J]. 当代化工研究 2017(05)
- [16].电力变压器故障诊断方法初探[J]. 能源技术与管理 2017(04)
- [17].基于机器学习的电力变压器故障诊断的研究进展[J]. 电子世界 2017(15)
- [18].变压器故障诊断中的神经网络技术发展[J]. 宜宾学院学报 2015(12)
- [19].基于支持向量机的变压器故障诊断研究[J]. 电气开关 2016(02)
- [20].论电力变压器故障诊断方法[J]. 科技展望 2014(18)
- [21].关于发电厂变压器故障诊断及处理措施思考[J]. 科技与企业 2015(02)
- [22].变压器故障诊断技术探析[J]. 中国新技术新产品 2015(08)
- [23].基于可拓理论的变压器故障诊断[J]. 电气开关 2015(02)
- [24].模糊支持向量机在变压器故障诊断中的应用[J]. 电测与仪表 2015(08)
- [25].改进型三比值法在变压器故障诊断中的应用[J]. 水电站机电技术 2015(08)
- [26].基于神经网络的变压器故障诊断研究[J]. 数字技术与应用 2015(08)
- [27].电力变压器故障诊断方法应用[J]. 通讯世界 2015(15)
- [28].基于灰狼算法优化支持向量机的变压器故障诊断[J]. 信息技术与信息化 2020(11)
- [29].基于多层向量机的变压器故障诊断[J]. 机电信息 2020(35)
- [30].基于数据清洗和知识迁移的变压器故障诊断模型[J]. 电工电能新技术 2020(01)