电网技术

2010, v.34;No.315(02) 164-168

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

利用改进遗传算法与LS-SVM进行变压器故障诊断
A Transformer Fault Diagnosis Method Integrating Improved Genetic Algorithm With Least Square Support Vector Machine

张凯;黄华平;杨海涛;谢庆;

摘要(Abstract):

最小二乘支持向量机(least square support vector machines,LS-SVM)能较好地解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障诊断,但参数c与σ2的选取对诊断结果影响较大,因此有必要对其进行优化选择。文中利用改进遗传算法(improved genetic algorithm,IGA)对c与σ2参数进行寻优。IGA采用了编码机制随机产生初始种群,这样可快速扩大搜索空间,稳定群体中个体多样性,有效提高全局搜索能力和收敛速度。文中采用IGA优化后的LS-SVM对多组变压器油色谱数据进行故障诊断分析。结果表明,IGA可以有效实现对LS-SVM算法中c与σ2的优化选取,提高变压器故障诊断的准确率。

关键词(KeyWords): 变压器;故障诊断;改进遗传算法;最小二乘支持向量机;溶解气体分析;参数优化

Abstract:

Keywords:

基金项目(Foundation): 长江学者和创新团队发展计划资助项目(IRT0515)~~

作者(Author): 张凯;黄华平;杨海涛;谢庆;

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