关键词:
变压器
故障诊断
油中溶解气体分析
算法改进
支持向量机
摘要:
针对变压器故障诊断精度不高的问题,提出了一种多策略融合改进天鹰优化器(IAO)优化支持向量机(SVM)的变压器故障诊断模型。首先,采用核主成分分析(KPCA)方法对高维度据进行降维,减少数据中的稀疏性对结果的影响;其次,利用Tent混沌映射、动态扰动因子策略、点对称策略改善其寻优能力和收敛速度,通过算法寻优能力测试验证了其优越性;最后,利用IAO对SVM的参数寻优,克服SVM参数选择不良的弊端,建立变压器故障诊断模型。结果显示,与AO、WOA、GWO优化SVM相比,IAO优化SVM的诊断正确率分别提升了7.08%、9.74%、15.93%,同时,也优于最小二乘支持向量机(LSSVM)、BP神经网络(BPNN)、随机森林(RF)典型分类模型,验证了所建立的变压器故障诊断模型的优越性,并具有较强的泛化能力。