基于主成分分析的海鸥优化支持向量机变压器故障诊断
针对支持向量机对变压器进行故障诊断时准确率较低的问题,提出一种海鸥算法优化支持向量机的方法.首先增加不同的气体分数比值特征,扩充变压器故障数据所包含的信息特征,然后采用主成分分析法(PCA)提取输入变量特征,降低特征变量的维数,降低变量之间的相关性,最后用海鸥优化算法(SOA)对支持向量机的核参数和惩罚因子进行优化,提高支持向量机建模准确度.仿真结果表明,与粒子群(PSO)、遗传算法(GA)相比,海鸥优化算法优化支持向量机(SOA-SVM)可以明显提高变压器故障诊断的准确率,并且可靠性和泛化性能表现也有提高.
海鸥优化算法、支持向量机、PCA降维、变压器故障诊断
49
TM74(输配电工程、电力网及电力系统)
国家自然科学基金;吉林省教育厅十三五科学研究项目
2023-03-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
99-105