[发明专利]基于磷虾群优化支持向量机的变压器故障诊断方法在审
| 申请号： | 201910082795.8 | 申请日： | 2019-01-23 |
| 公开（公告）号： | CN109918720A | 公开（公告）日： | 2019-06-21 |
| 发明（设计）人： | 张镱议;郑含博;刘捷丰;刘洋;彭鸿博;李昕;房加珂;王佳琪;黄武枫 | 申请（专利权）人： | 广西大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06K9/62 |
| 代理公司： | 南宁东之智专利代理有限公司 45128 | 代理人： | 汪治兴 |
| 地址： | 530000 广西壮族*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于磷虾群优化支持向量机的变压器故障诊断方法，与电力变压器故障诊断技术领域有关。该发明通过对采集到的变压器油中溶解气体(DGA)全数据以及典型气体的比值进行归一化，并通过BPSO对DGA特征量进行优选，得到新的DGA特征量组合；然后采用KH优化算法优化SVM的惩罚因子C及核函数参数σ，构建能够稳定使用的支持向量机诊断模型，并采用该模型对电力变压器的油中溶解气体进行诊断，从而与专家经验得到的故障结果进行比较，进而得出最终的故障类型，实现了对变压器的运行状态的初步判断。 | ||
| 搜索关键词： | 支持向量机 变压器故障诊断 溶解气体 群优化 特征量 磷虾 电力变压器故障 电力变压器 诊断 变压器油 惩罚因子 典型气体 故障结果 故障类型 优化算法 运行状态 诊断技术 专家经验 归一化 核函数 全数据 构建 变压器 优选 采集 优化 | ||
【主权项】：
1.一种基于磷虾群优化支持向量机的变压器故障诊断方法，其特征在于，包括如下步骤：1)采集变压器故障样本数据中变压器的油中的DGA特征量，获取DGA特征量以及典型气体的三比值；2)对所述DGA特征量以及典型气体的三比值归一化预处理，得到归一化后的DGA特征量数据，利用二进制粒子群优化算法对所述DGA特征量数据进行优选得到优选DGA特征量数据；3)构建非线性多分类的支持向量机模型，在满足相应不等式约束下形成目标函数；4)采用径向基核函数作为所述支持向量机模型的核函数，通过所述目标函数和径向基核函数建立所述支持向量机模型的决策函数；5)采用磷虾群优化算法优化所述支持向量机模型的核函数的核参数和惩罚因子以得到最优核参数和最优惩罚因子；6)将所述优选DGA特征量数据作为支持向量机模型的输入，将最优惩罚因子和最优核参数代入所述支持向量机模型的目标函数以构建诊断模型，获取所述诊断模型的最优适应度；7)采用所述诊断模型对变压器的油中溶解气体进行故障诊断，判断所述变压器的运行状态。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广西大学，未经广西大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910082795.8/，转载请声明来源钻瓜专利网。
