基于改进量子粒子群优化支持向量机的变压器故障诊断方法

基于改进量子粒子群优化支持向量机的变压器故障诊断方法

论文摘要

为了弥补量子粒子群算法优化支持向量机(QPSO-SVM)在变压器故障诊断中"早熟"收敛的不足,该文提出一种基于改进量子粒子群优化支持向量机算法。通过计算每一代粒子的平均适应值偏离度Δ并引入自扰动算子使"早熟"粒子主动跳出当前局部最优区域,增强算法的全局搜索能力。此外,建立基于所提算法的故障分类模型,对变压器故障样本进行诊断。实例结果表明:相较传统QPSO-SVM算法,改进QPSO-SVM算法可以使粒子主动跳出最优局部范围,且对变压器故障的诊断准确率更高,验证了该文方法在变压器故障诊断方面的有效性与准确性。

论文目录

  • 1 SVM分类模型
  • 2 自适应扰动量子粒子群
  •   2.1 量子粒子群
  •   2.2 自适应扰动量子粒子群
  •     2.2.1 “早熟”自检准则
  •     2.2.2 自适应粒子扰动
  • 3 基于自适应扰动量子优化SVM的变压器故障诊断
  •   1)数据预处理。
  •   2)样本分类。
  •   3)参数寻优。
  •   4)故障诊断。
  • 4 实例分析
  • 5 结语
  • 文章来源

    类型: 期刊论文

    作者: 党东升,张树永,葛鹏江,田星

    关键词: 电力变压器,故障诊断,早熟自检,自扰动,量子粒子群

    来源: 电力科学与技术学报 2019年03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: 国网宁夏电力有限公司经济技术研究院,北京清软创新科技股份有限公司

    基金: 国家电网公司科技项目(5229JY160003),国网宁夏电力有限公司科技项目(5229JY150005)

    分类号: TM407;TP18

    DOI: 10.19781/j.issn.1673-9140.2019.03.012

    页码: 108-113

    总页数: 6

    文件大小: 1266K

    下载量: 204

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于改进量子粒子群优化支持向量机的变压器故障诊断方法
    下载Doc文档

    猜你喜欢