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