文献类型：期刊文章

作　　者：咸日常[1] 范慧芳[1] 李飞[2] 高鸿鹏[1] 陈蕾[1]

XIAN Richang;FAN Huifang;LI Fei;GAO Hongpeng;CHEN Lei(College of Electrical and Electronic Engineering,Shandong University of Technology,Zibo 255049,China;State Grid Shandong Zibo Power Supply Company,Zibo 255049,China)

机构地区：[1]山东理工大学电气与电子工程学院,山东淄博255049 [2]国网山东淄博供电公司,山东淄博255049

出　　处：《智慧电力》

基　　金：国家自然科学基金资助项目(51907109)。

年　　份：2022

卷　　号：50

期　　号：6

起止页码：50-56

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：准确评估输变电设备运行状态是电力企业生产技术工作的核心内容。为提高电力变压器故障诊断精度,避免传统引力搜索算法(GSA)自身收敛速度慢且易陷入局部最优区等不足,提出一种利用混沌序列改进GSA的支持向量机(SVM)模型,用于电力变压器故障诊断中。首先利用混沌序列来增加重力粒子的多样性,目的是避免在其训练时陷入局部最优区;然后利用改进的GSA算法来优化SVM模型自身的参数,从而提升该模型的预测准确率;最后将预测结果与其他3种传统诊断模型的预测结果进行了对比分析,结果表明利用混沌序列改进的GSA-SVM模型有着更好的泛化能力以及更高的分类准确率。

关 键 词：电力变压器 GSA 混沌序列 SVM 故障诊断

分 类 号：TM411]