基于特征提取与INGO-SVM的变压器故障诊断方法

• Published in: 电力系统保护与控制 Vol. 52; no. 7; pp. 24 - 32
• Main Authors: 包金山, 杨定坤, 张靖, 张英, 杨镓荣, 胡克林
• Format: Journal Article
• Language: Chinese
• Published: 贵州电网有限责任公司电力科学研究院,贵州贵阳 550002 01.04.2024; 贵州大学电气工程学院,贵州贵阳 550025%重庆邮电大学先进制造工程学院,重庆 400065%贵州大学电气工程学院,贵州贵阳 550025
• Subjects: 变压器; 支持向量机; fault diagnosis; 北方苍鹰优化算法; support vector machine; 故障诊断; NGO; transformer; 核主成分分析; kernel principal component analysis
• ISSN: 1674-3415
• DOI: 10.19783/j.cnki.pspc.230936

针对使用支持向量机(support vector machine,SVM)对变压器进行故障诊断时有效特征提取困难、模型参数难以选择的问题,提出一种基于特征提取与INGO-SVM的变压器故障诊断方法.首先,使用核主成分分析(kernel principal component analysis,KPCA)方法对构建的21维待选特征进行特征融合和低维敏感特征提取.其次,使用佳点集、随机反向学习和维度交叉学习等策略对北方苍鹰优化算法(northern goshawk optimization,NGO)进行改进.通过2个典型测试对改进北方苍鹰优化算法(improved northern goshawk optimization,INGO)进行性能测试,验证了INGO算法的优越性.然后,基于KPCA提取的低维敏感特征,使用INGO对SVM的参数进行组合寻优,建立基于KPCA特征提取与INGO-SVM的变压器故障诊断模型.最后,对不同变压器故障诊断模型进行实例仿真对比实验.结果表明:所提方法故障诊断精度高、稳定性好,更适用于变压器的故障诊断.