|
|||||
|
|
| 参数寻优支持向量机在基于光声光谱法的变压器故障诊断中的应用 | |
| 引用本文： | 张玉欣,程志峰,徐正平,白晶.参数寻优支持向量机在基于光声光谱法的变压器故障诊断中的应用[J].光谱学与光谱分析,2014,35(1):10. |
| 作者姓名： | 张玉欣 程志峰 徐正平 白晶 |
| 作者单位： | 张玉欣:北华大学电气信息工程学院, 吉林 吉林市 132021 程志峰:中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033 徐正平:中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033 白晶:北华大学电气信息工程学院, 吉林 吉林市 132021 |
| 基金项目： | 国家自然科学基金青年科学基金项目(61308099)和吉林省教育厅“十二五”科技技术研究项目(2013178, 2014206)资助 |
| 摘 要： | 为了解决变压器气相色谱分析法故障诊断中存在的操作繁琐、消耗待测气体和载气、检测周期长等缺点, 提出了利用光声光谱技术检测变压器油中CH4, C2H2, C2H4, C2H6, H2五种特征气体的含量并计算C2H2/C2H4, CH4/H2, C2H4/C2H6三对比值数据。将五种SVM类型和四种核函数采用交叉组合建立20种不同的支持向量机模型, 并采用启发式算法对于惩罚因子c和g的取值进行参数寻优, 以建立变压器故障诊断准确率最高、最快运行速度的支持向量机模型。启发式算法主要对比研究了粒子群算法和遗传算法在寻优精度与速度上的效果。仿真实验结果表明C-SVC模型、RBF核函数、遗传算法寻优构成的支持向量机模型对变压器故障的诊断准确率最高, 测试集达到97.5%, 训练集达到98.333 3%, 并且遗传算法的寻优速度快于粒子群算法2倍左右。该方法具有操作简单、非接触性测量、不消耗载气、检测周期短、稳定性和灵敏度高等优点。可以代替传统的气相色谱分析法进行变压器故障诊断, 满足变压器故障诊断的实际工程需要。 |
| 关 键 词： | 光声光谱 支持向量机 粒子群算法 遗传算法 变压器 故障诊断 |
| 收稿时间： | 2014/1/2 |
Application of Optimized Parameters SVM Based on Photoacoustic Spectroscopy Method in Fault Diagnosis of Power Transformer |
|
| Abstract: | |
| Keywords: | Photoacoustic spectroscopy SVM Particles swarm optimization Genetic algorithm Power transformer Fault diagnosis |