基于IABC优化SVM的变压器故障诊断

发布时间：2022-11-10 20:39

　　针对故障信息较少时无法准确诊断变压器故障的问题,提出一种改进的人工蜂群算法优化支持向量机的故障诊断方法。首先采用主成分分析（PCA）对输入变量进行特征提取,降低特征向量的维数,避免了变量信息之间的相互重叠。其次,通过基于二维均匀的种群初始化和基于欧氏距离的食物源更新来对传统的人工蜂群算法（ABC）进行改进,并将改进蜂群算法（IABC）与ABC和粒子群算法（PSO）进行性能测试,证明了搜索速率和收敛性都有显著提高。最后用IABC优化支持向量机（SVM）的参数,将PCA提取的新特征值分别输入IABC-SVM、GA-SVM、PSO-SVM模型并对比诊断效果。最终表明所提方法具有诊断准确率高、模型简单、泛化能力强的特点。 

【文章页数】：8 页

【参考文献】：
期刊论文
[1]基于卷积神经网络的直流送端系统暂态过电压估算方法[J]. 陈厚合,张赫,王长江,魏俊红,张艳军,张嵩.  电网技术. 2020(08)
[2]基于栈式相关性稀疏自编码的电力通信网故障诊断[J]. 聂晓音,谢刚,李洋,张博.  电力系统保护与控制. 2019(19)
[3]基于特征量优选与ICA-SVM的变压器故障诊断模型[J]. 田凤兰,张恩泽,潘思蓉,杭颖,任广为,范贤浩,张恒.  电力系统保护与控制. 2019(17)
[4]MOMED和双谱熵在液压泵退化特征提取中的应用[J]. 田再克,李洪儒,王卫国,许葆华.  振动工程学报. 2019(04)
[5]基于经验模态分解和支持向量机的滚动轴承故障诊断[J]. 徐可,陈宗海,张陈斌,董广忠.  控制理论与应用. 2019(06)
[6]基于并行变量预测模型的变压器故障诊断及优化研究[J]. 马利洁,朱永利,郑艳艳.  电力系统保护与控制. 2019(06)
[7]综合RapidMiner与改进粒子群极限学习机算法的变压器故障诊断[J]. 魏金萧,周步祥,唐浩,张百甫,杨常.  电力系统及其自动化学报. 2019(03)
[8]基于改进果蝇算法优化SVM的模拟电路故障诊断及对比分析[J]. 赵新,刘冬生.  电子测量与仪器学报. 2019(03)
[9]基于人工蜂群优化核主元分析故障检测方法[J]. 石怀涛,赵纪宗,宋文丽,李颂华,刘建昌.  控制工程. 2018(09)
[10]基于差分进化人工蜂群算法的光伏最大功率跟踪策略研究[J]. 盛四清,陈玉良,张晶晶.  电力系统保护与控制. 2018(11)

博士论文
[1]基于运行状态和寿命评估的电力变压器全寿命周期检修决策研究[D]. 张镱议.重庆大学 2014



本文编号：3705261