文献类型：期刊文章

作　　者：陈铁[1,2] 吕长钦[1,2] 张欣[3] 陈卫东[1,2]

Chen Tie;Lv Changqin;Zhang Xin;Chen Weidong(Hubei Provincial Key Laboratory for Operation and Control of Cascaded Hydropower Station,China Three Gorges University,Yichang 443000,Hubei,China;School of Electrical Engineering and New Energy,China Three Gorges University,Yichang 443000,Hubei,China;Liuzhou Power Supply Bureau,Guangxi Power Grid Co.,Ltd.,Liuzhou 545005,Guangxi,China)

机构地区：[1]三峡大学水电站运行与控制湖北省重点实验室,湖北宜昌443000 [2]三峡大学电气与新能源学院,湖北宜昌443000 [3]广西电网有限责任公司柳州供电局,广西柳州545005

出　　处：《电测与仪表》

基　　金：国家自然科学基金资助项目(51741907)。

年　　份：2021

卷　　号：58

期　　号：4

起止页码：158-164

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的精度,文章提出一种基于核主成分分析(KPCA)和狼群算法(WPA)优化支持向量机(SVM)参数的变压器故障诊断方法。通过KPCA提取样本数据的非线性特征,并获得其主成分,再将其输入至高斯核SVM构成诊断模型,并利用WPA对SVM的惩罚因子以及核参数进行优化。实验结果表明,该方法诊断准确率达到93.33%,与传统SVM以及KPCA-SVM诊断模型相对比,具有更高的变压器故障诊断准确率。

关 键 词：核主成分分析 狼群算法  支持向量机  故障诊断  电力变压器  

分 类 号：TM411]