一种基于SVM算法的电力变压器机械故障智能诊断模型

doi:10.13296/j.1001-1609.hva.2023.12.026

您当前的位置：

首页 >

文章列表页 >

一种基于SVM算法的电力变压器机械故障智能诊断模型

更新时间：2025-04-26

- 一种基于SVM算法的电力变压器机械故障智能诊断模型
- High VoltageApparatus Vol. 59, Issue 12, Pages: 216-222+229(2023)
- 作者机构：
  
  1. 华中科技大学电气与电子工程学院
  2. 国网河北省电力有限公司
  3. 中国电力科学研究院有限公司
- 作者简介：
- 基金信息：
- DOI：10.13296/j.1001-1609.hva.2023.12.026
  CLC： TM41;TP181
- Published：2023
- 稿件说明：
移动端阅览
[J]. High voltageapparatus, 2023, 59(12): 216-222+229.
DOI：

[J]. High voltageapparatus, 2023, 59(12): 216-222+229. DOI： 10.13296/j.1001-1609.hva.2023.12.026.

摘要

振动分析法是一种变压器机械故障的非电量诊断方法，该方法通过分析变压器油箱表面的振动特征，可以诊断变压器内部的绕组变形或铁心松动等故障。SVM是一种新型的机器学习方法，能够在小样本的情况下训练得到泛化能力强的分类模型。文中基于振动信号和SVM算法构建了一种变压器智能诊断模型，通过对试点变压器的上百组振动信号数据进行采集和频谱特征提取，在此基础上构建了SVM训练数据集，训练了单值υ-SVM故障诊断模型并取得了较好的效果，从而验证了该模型的有效性，可为相关研究者提供一定参考。

Abstract

关键词

Keywords

references

Views

554

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于信息融合和模糊理论的有载分接开关故障诊断

基于深度学习断路器储能机构故障诊断方法研究

基于镜像磁场和动力学模型的变压器负载振动噪声数字孪生模型研究

基于相空间重构技术的断路器振动信号边缘特征提取

基于GWO-LSTM与NKDE的变压器油中溶解气体体积分数点——区间联合预测方法

Related Author

杨晓望

张丹丹

王珏

刘曦

彭君哲

阳瑞霖

陈昌伟

梅崇瑞

Related Institution

国网陕西省电力公司西咸新区供电公司变电检修中心

华中科技大学强电磁工程与新技术国家重点实验室

国网陕西省电力公司西咸新区供电公司

国网河北省电力有限公司检修分公司

华北电力大学电气与电子工程学院

⁰