文献类型：期刊文章

作　　者：张凯[1] 黄华平[2] 杨海涛[3] 谢庆[2]

机构地区：[1]石家庄供电公司,河北省石家庄市050000 [2]电力系统保护与动态安全监控教育部重点实验室(华北电力大学),河北省保定市071003 [3]广安电业局调通中心,四川省广安市638000

出　　处：《电网技术》

基　　金：长江学者和创新团队发展计划资助项目(IRT0515)~~

年　　份：2010

卷　　号：34

期　　号：2

起止页码：164-168

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20101912917996)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：最小二乘支持向量机(least square support vector machines,LS-SVM)能较好地解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障诊断,但参数c与σ2的选取对诊断结果影响较大,因此有必要对其进行优化选择。文中利用改进遗传算法(improved genetic algorithm,IGA)对c与σ2参数进行寻优。IGA采用了编码机制随机产生初始种群,这样可快速扩大搜索空间,稳定群体中个体多样性,有效提高全局搜索能力和收敛速度。文中采用IGA优化后的LS-SVM对多组变压器油色谱数据进行故障诊断分析。结果表明,IGA可以有效实现对LS-SVM算法中c与σ2的优化选取,提高变压器故障诊断的准确率。

关 键 词：变压器 故障诊断  改进遗传算法 最小二乘支持向量机 溶解气体分析 参数优化

分 类 号：TM41]