综合RapidMiner与改进粒子群极限学习机算法的变压器故障诊断

论文摘要

针对三比值法用于变压器故障诊断缺编码以及各种人工智能方法抗干扰能力不足等问题,提出了综合RapidMiner与改进粒子群极限学习机算法RM-MPSO-ELM的变压器故障诊断方法。该方法利用RapidMiner工具,结合变压器样本数据,挑选出与故障类型最相关的输入变量,并针对极限学习机算法参数选择困难的问题,利用改进粒子群优化算法进行了参数优化。最后,使用极限学习机算法对变压器的潜在故障进行识别,并将之与IEC三比值法、支持向量机方法以及不同组合的极限学习机算法的诊断性能进行了比较。结果表明,本文所提方法具有更高的诊断精度。

论文目录

• 1 突出影响因素提取
•   1.1 数据集及属性选择
•   1.2 选取模型及结果
• 2 基于MPSO-ELM的故障分类
•   2.1 MPSO算法
•   2.2 基于MPSO算法的ELM优化
• 3 基于RM-MPSO-ELM的故障分类
• 4 算例分析
•   4.1 算例1
•   4.2 算例2
• 5 结论

文章来源

类型: 期刊论文

作者: 魏金萧,周步祥,唐浩,张百甫,杨常

关键词: 油浸式变压器,油中溶解气体分析,特征值选择,极限学习机,故障诊断

来源: 电力系统及其自动化学报 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 四川大学电气信息学院,四川电力设计咨询有限责任公司

分类号: TM407

页码: 133-138

总页数: 6

文件大小: 837K

下载量: 187