基于RF特征优选的WOA-SVM变压器故障诊断

doi:10.13296/j.1001-1609.hva.2022.02.023

您当前的位置：

首页 >

文章列表页 >

基于RF特征优选的WOA-SVM变压器故障诊断

更新时间：2025-05-17

- 基于RF特征优选的WOA-SVM变压器故障诊断
- High VoltageApparatus Vol. 58, Issue 2, Pages: 171-178(2022)
- 作者机构：
  
  1. 河北科技大学电气工程学院
  2. 保定天威保变电气股份有限公司河北省输变电装备电磁与结构性能重点实验室
- 作者简介：
- 基金信息：
- DOI：10.13296/j.1001-1609.hva.2022.02.023
  CLC： TM41
- Published：2022
- 稿件说明：
移动端阅览
[J]. High voltageapparatus, 2022, 58(2): 171-178.
DOI：

[J]. High voltageapparatus, 2022, 58(2): 171-178. DOI： 10.13296/j.1001-1609.hva.2022.02.023.

摘要

为进一步提高变压器传统故障诊断方法的准确率

提出了一种基于随机森林(RF)特征优选

结合鲸鱼算法(WOA)优化支持向量机(SVM)的变压器故障诊断方法。该方法首先利用5种常见油中溶解气体构建24维待选特征集合

其次利用RF算法中MDA指标对特征进行排序

通过序列反向搜索法优选出11维DGA特征量作为输入以消除冗余特征

最后将WOA算法用于SVM惩罚因子和核参数的优化

进而实现故障诊断。仿真结果表明

优选出的特征组合可有效提高诊断准确率

WOA-SVM故障诊断模型较PSO-SVM、GA-SVM

在诊断时间和准确率方面更具优势

验证了所提方法的可行性和有效性。

Abstract

关键词

Keywords

references

Views

1114

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于云模型和改进D-S证据理论的变压器故障诊断

基于随机森林与长短时记忆神经网络的真空接触器故障诊断方法研究

基于驱动电机电流与振动信号的有载分接开关故障诊断方法

基于模糊逻辑和D-S证据理论的变压器故障诊断方法

Oil Chromatogram Analysis of a Fault Inside Transformer

Related Author

张宽

吐松江·卡日

高文胜

伊力哈木·亚尔买买提

孙国良

何志洋

袁钰林

郑运鸿

Related Institution

清华大学电机工程与应用电子技术系

新疆大学电气工程学院

厦门理工学院电气工程与自动化学院

国网江苏省电力有限公司电力科学研究院

国网江苏省电力有限公司

⁰