电网技术

2012, v.36;No.344(07) 249-254

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种自主核优化的二值粒子群优化–多核学习支持向量机变压器故障诊断方法
An Autonomic Kernel Optimization Method to Diagnose Transformer Faults by Multi-Kernel Learning Support Vector Classifier Based on Binary Particle Swarm Optimization

尹玉娟;王媚;张金江;袁鹏;詹俊鹏;郭创新;

摘要(Abstract):

支持向量机(support vector machine,SVM)对于核函数及模型参数十分敏感,多核学习可降低模型的参数敏感性。提出了基于二值粒子群优化(binary particle swarmoptimization,BPSO)的多核学习SVM分类方法(BPSO-MKSVC)进行变压器故障诊断。多核学习支持向量机(multi-kernel support vector classifier,MKSVC)采用由多个基核线性组合的多核进行学习,其中每一个基核完成从特定样本空间提取故障特征,通过多面故障特征的线性组合,将学习分类问题转化为相应的凸规划问题进行迭代求解。采用BPSO优化算法对MKSVC中的基核数及模型参数进行优化,实现了参数的自主选择。与常用诊断算法相比,BPSO-MKSVC具有更高的诊断精度;与PSO优化的SVM方法相比,其具有更低的参数敏感性和更好的鲁棒性。

关键词(KeyWords): 溶解气体分析;支持向量机;多核学习;二值粒子群优化;故障诊断;变压器

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(51177143);; 浙江省自然科学基金资助项目(Y1100243)~~

作者(Author): 尹玉娟;王媚;张金江;袁鹏;詹俊鹏;郭创新;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享