文献类型：期刊文章

作　　者：安国庆[1] 史哲文[1] 马世峰[1] 韩晓慧[1] 杜振斌[2] 赵春琳[3]

AN Guoqing;SHI Zhewen;MA Shifeng;HAN Xiaohui;DU Zhenbin;ZHAO Chunlin(College of Electric and Engineering,Hebei University of Science and Technology,Shijiazhuang 050018,China;Hebei Provincial Key Laboratory of Electromagnetic&Structural Performance of Power Transmission and Transformation Equipment,Baoding Tianwei Baobian Electric Co.,Ltd.,Hebei Baoding 071056,China;Hebei Weixun Electric Power Automation Equipment Co.,Ltd.,Hebei Hengshui 053000,China)

机构地区：[1]河北科技大学电气工程学院,石家庄050018 [2]保定天威保变电气股份有限公司河北省输变电装备电磁与结构性能重点实验室,河北保定071056 [3]河北卫讯电力自动化设备有限公司,河北衡水053000

出　　处：《高压电器》

基　　金：河北省重点研发计划项目(20312101D);2020年通用航空增材制造协同创新中心资助项目(15)。

年　　份：2022

卷　　号：58

期　　号：2

起止页码：171-178

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为进一步提高变压器传统故障诊断方法的准确率,提出了一种基于随机森林(RF)特征优选,结合鲸鱼算法(WOA)优化支持向量机(SVM)的变压器故障诊断方法。该方法首先利用5种常见油中溶解气体构建24维待选特征集合,其次利用RF算法中MDA指标对特征进行排序,通过序列反向搜索法优选出11维DGA特征量作为输入以消除冗余特征,最后将WOA算法用于SVM惩罚因子和核参数的优化,进而实现故障诊断。仿真结果表明,优选出的特征组合可有效提高诊断准确率,WOA-SVM故障诊断模型较PSO-SVM、GA-SVM,在诊断时间和准确率方面更具优势,验证了所提方法的可行性和有效性。

关 键 词：变压器 故障诊断 特征优选  随机森林  鲸鱼优化算法  

分 类 号：TM41]