摘要
针对传统的基于支持向量机(support vector machine,SVM)的变压器故障诊断中变压器的故障特征和SVM参数难以确定的问题,本文提出了一种基于改进遗传算法(improved genetic algorithm,IGA)和SVM的变压器故障诊断模型.该方法以SVM作为分类器,以常用故障诊断方法的20中特征量作为初始特征集合,采用二进制方式将变压器的故障特征和SVM的参数编码到同一条染色体,利用改进遗传算法对变压器的故障特征和分类器的参数进行联合优化.因为变压器的故障特征和SVM的参数是互相影响的,因此对两者做一个联合优化是比较合理的方案.然后依据最优故障特征和最优参数进行模型训练,利用训练好的模型对测试集进行诊断.仿真结果表明所提方法具有较高的故障诊断准确率.
NETL
NSTL
维普
万方数据