文献类型：期刊文章

作　　者：曹伟嘉[1] 杨留方[1] 徐天奇[1] 毛玉明[1] 谢宗效[1]

Cao Weijia;Yang Liufang;Xu Tianqi;Mao Yuming;Xie Zongxiao(College of Electrical and Information Engineering,Yunnan Minzu University,Kunming 650504,China)

机构地区：[1]云南民族大学电气信息工程学院,昆明650504

出　　处：《国外电子测量技术》

年　　份：2022

卷　　号：41

期　　号：2

起止页码：138-143

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为提高变压器故障诊断精度,提出一种基于精英反策略麻雀搜索算法(JYBack-SSA)优化随机森林(RF)的变压器故障诊断方法。通过精英反向学习对传统麻雀算法(SSA)进行改进,并将JYBack-SSA、SSA和灰狼算法(GWO)进行性能测试,JYBack-SSA有效提高了搜索能力和收敛速度。最后,用JYBack-SSA优化RF参数。为验证该方法的工程适用性,收集了390组变压器油中溶解气体故障样本,开发并测试了JYBack-SSA-RF模型,并与JYBack-SSA-SVM、JYBack-SSA-XGBoost、BSA-SVM、GWO-SVM等故障诊断方法进行比较。结果表明,该方法具有较强的复杂故障学习能力,在准确性和鲁棒性方面也更有优势。

关 键 词：故障诊断  随机森林  麻雀搜索算法  精英反向学习  油中溶解气体

分 类 号：TM407] TP18]