文档名：基于PSOSVM的电力变压器局部放电类型识别
电力变压器固体绝缘缺陷发展通常会随环境状况的变化而发生改变,而体现缺陷的局部放电信号具有一定的随机性,对局部放电类型进行有效的识别是准确评估电力变压器绝缘状态的前提.针对传统局部放电分类方法的不足,本文提出了一种基于粒子群优化支持向量机(PSO-SVM)的局部放电模式识别方法.该方法采用多分类法中的"一对多"分类原理,借助于粒子群优化算法实现对SVM参数的优化,从而能有效地提高分类准确率.通过实验结果表明,PSO-SVM分类精度明显高于反向传播神经网络(BPNN)及传统的SVM识别方法,说明该方法在电力变压器局部放电模式识别及故障预警系统领域具有良好的应用前景.
作者：彭炜文郑云海吴奇宝高阿娜黄云程
作者单位：国网福建省电力有限公司泉州供电公司,福建泉州,362000
母体文献：福建省电机工程学会2018年学术年会论文集
会议名称：福建省电机工程学会2018年学术年会
会议时间：2018年10月1日
会议地点：福建莆田
主办单位：福建省电机工程学会
语种：chi
分类号：P31TP3
关键词：电力变压器 局部放电 故障识别 粒子群算法 支持向量机
在线出版日期：2020年7月21日
基金项目：
相似文献
相关博文
- 文件大小:
- 2.32 MB
- 下载次数:
- 60
-
高速下载
|
|
