文献类型：期刊文章

作　　者：田凤兰[1,2] 张恩泽[2] 潘思蓉[2] 杭颖[2] 任广为[2] 范贤浩[2] 张恒[2]

TIAN Fenglan;ZHANG Enze;PAN Sirong;HANG Ying;REN Guangwei;FAN Xianhao;ZHANG Heng(Electric Power Research Institute of State Grid Henan Electric Power Company, Zhengzhou 450052, China;GuangxiKey Laboratory of Power System Optimization and Energy Technology, Guangxi University, Nanning 530004, China)

机构地区：[1]国网河南省电力公司郑州供电公司,河南郑州450052 [2]广西电力系统最优化与节能技术重点实验室(广西大学),广西南宁530004

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(51867003);广西自然科学基金资项目资助(2015GXNSFBA139235);广西科技厅项目资助(AE020069);国网河南省电力公司科技项目资助(52170215000V)~~

年　　份：2019

卷　　号：47

期　　号：17

起止页码：163-170

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为了弥补现有变压器故障诊断方法在油中气体分析(DGA)特征量选取和诊断模型方面的不足,采用 IEC 三比值法中的 3 种气体比值作为变压器故障诊断的特征量。同时从含有 8 种油中溶解气体中任意 3 种及以上的共 254种气体组合中筛选出准确率最高的 3 组最优 DGA 特征气体组合,将其作为对照组特征量。然后采用帝国竞争算法(ICA)优化支持向量机的变压器故障诊断模型(ICA-SVM),与标准支持向量机(SVM)法、粒子群优化向量机(PSO-SVM)以及 IEC 三比值法进行对比。实例结果表明:三气体比值特征量相比 3 组最优 DGA 气体组合,故障识别准确率提高了 10%左右;ICA-SVM 故障诊断模型相比标准 SVM 法、PSO-SVM 和 IEC 三比值法故障识别准确率提高了 7%~35%;综合三比值特征量与 ICA-SVM 故障诊断模型的准确率为 89.3%,相较其他几种方法准确率提升了 7%~35%。结果验证了该方法的有效性和准确性。

关 键 词：电力变压器 故障诊断  三比值  帝国竞争算法  支持向量机  

分 类 号：TM407]