文献类型：期刊文章

作　　者：郑含博[1] 王伟[1] 李晓纲[1] 王立楠[1] 李予全[1] 韩金华[1]

机构地区：[1]国网河南省电力公司电力科学研究院,郑州450052

出　　处：《高电压技术》

年　　份：2014

卷　　号：40

期　　号：11

起止页码：3424-3429

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20145100335762)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高故障诊断的准确率,提出了一种多分类最小二乘支持向量机(LS-SVM)和改进粒子群优化(PSO)相结合的电力变压器故障诊断方法。引入最小输出编码构造多个2分类LS-SVM,实现了变压器诊断的多类分类。利用PSO算法获得LS-SVM诊断模型的最优参数,并采用交叉验证原理来提高分类算法的整体泛化性能。实例分析结果表明,采用LS-SVM和PSO算法可以准确、有效地对变压器进行故障诊断;与传统的电力变压器故障诊断方法相比,该方法的诊断准确率更高。

关 键 词：最小二乘支持向量机 多类分类 粒子群优化 故障诊断 电力变压器 准确率  

分 类 号：TM41]