Suzhou Electric Appliance Research Institute
期刊號(hào)： CN32-1800/TM| ISSN1007-3175

Article retrieval

文章檢索

首頁 >> 文章檢索 >> 往年索引

基于VNWOA-LSSVM變壓器故障診斷方法研究

來源：電工電氣發(fā)布時(shí)間：2022-12-22 12:22 瀏覽次數(shù)：328

基于VNWOA-LSSVM變壓器故障診斷方法研究

張兆坤1，楊國華1,2，張佳豪1，楊曉偉1，張?jiān)骑w1
(1 寧夏大學(xué) 物理與電子電氣工程學(xué)院，寧夏 銀川 750021；
2 寧夏電力能源安全重點(diǎn)實(shí)驗(yàn)室，寧夏 銀川 750004)
 
    摘 要：為進(jìn)一步提高變壓器故障診斷的準(zhǔn)確性，提出了一種基于馮洛伊曼拓?fù)浣Y(jié)構(gòu)優(yōu)化鯨魚算法 (VNWOA) 與最小二乘支持向量機(jī) (LSSVM) 相結(jié)合的變壓器故障診斷方法。利用馮洛伊曼拓?fù)浣Y(jié)構(gòu)的原理來改進(jìn)鯨魚算法，通過為每個(gè)鯨魚個(gè)體構(gòu)造 VN 拓?fù)浣Y(jié)構(gòu)，提高鯨魚算法的收斂速度和尋優(yōu)精度；利用 VNWOA 得到 LSSVM 的核函數(shù)參數(shù)和懲罰系數(shù)的最優(yōu)解并構(gòu)建 VNWOA-LSSVM 診斷模型；引入收集到的 260 例油浸式變壓器 DGA 數(shù)據(jù)進(jìn)行實(shí)例分析。結(jié)果表明，與其他診斷模型相比，VNWOA-LSSVM 診斷模型有著更高的準(zhǔn)確率，診斷效果更好。
    關(guān)鍵詞： 變壓器故障診斷；馮洛伊曼拓?fù)浣Y(jié)構(gòu)優(yōu)化鯨魚算法；最小二乘支持向量機(jī)；參數(shù)優(yōu)化
    中圖分類號(hào)：TM411     文獻(xiàn)標(biāo)識(shí)碼：A     文章編號(hào)：1007-3175(2022)12-0032-05
 
Research on Transformer Fault Diagnosis Method Based on VNWOA-LSSVM
 
ZHANG Zhao-kun1, YANG Guo-hua1,2, ZHANG Jia-hao1, YANG Xiao-wei1, ZHANG Yun-fei1
（1 School of Physics and Electrical Engineering, Ningxia University, Yinchuan 750021, China;
2 Ningxia Key Laboratory of Electric Power Energy Security, Yinchuan 750004, China）
 
    Abstract: To further increase the accuracy of transformer fault diagnosis, a transformer fault diagnosis method based on Von Neumann whale optimization algorithm (VNWOA) and least squares support vector machine (LSSVM) is proposed. The paper, based on Von Neumann topology structure, optimizes the whale algorithm by constructing VN topology of each individual whale, which increases convergence rate and optimization accuracy of the whale algorithm. Then, the optimal solution of kernel function parameters and penalty coefficient obtained by employing VNWOA is used to construct VNWOA-LSSVM diagnosis model. After making case analysis of DGA data collected from 260 oil-immersed transformers, the results show that VNWOA-LSSVM diagnosis model has higher accuracy and better diagnosis effect than any other models.
    Key words: transformer fault diagnosis; Von Neumann whale optimization algorithm; least squares support vector machine (LSSVM);parameter optimization
 
參考文獻(xiàn)
[1] 陳錦鋒，張軍財(cái)，盧思佳，等. 一種基于 SAE-RF 算法的配電變壓器故障診斷方法[J] . 電工電氣，2021(2)：17-23.
[2] 肖云波，范菁，張宜，等. 基于改進(jìn)粒子群算法與油中溶解氣體的變壓器故障診斷的研究[J] . 電子測(cè)量技術(shù)，2021，44(18)：122-128.
[3] HASMAT Malik, AJAY Khatri, RUCHI Dohare.Probabilistic Neural Network Based Incipient Fault Identification Using DGA Dataset[C]//Procedia Computer Science，2015：58.
[4] 楊飏，邢光兵. 基于三比值法的變壓器故障診斷識(shí)別[J]. 機(jī)電信息，2021(11)：11-12.
[5] 王晶，許素安，洪凱星，等. 基于 DGA 特征量優(yōu)選與 GA-SVM 的變壓器故障診斷模型[J] . 變壓器，2020，57(12)：36-40.
[6] 徐偉進(jìn)，徐煒彬，張煒華，等. 基于 NRS 的 GWO-SVM 變壓器故障診斷方法研究[J] . 電工電氣，2022(2)：9-13.
[7] 高國磊， 李英娜， 段效琛， 等. 基于 ACO 優(yōu)化 LS-SVM 的變壓器故障診斷[J] . 電子科技，2018，31(6)：59-62.
[8] 王保義，楊韻潔，張少敏. 改進(jìn) BP 神經(jīng)網(wǎng)絡(luò)的 SVM 變壓器故障診斷[J]. 電測(cè)與儀表，2019，56(19)：53-58.
[9] 徐鵬，張燁穎. 基于鯨魚優(yōu)化算法的支持向量機(jī)變壓器故障診斷方法[J] . 光源與照明，2021(9)：85-88.
[10] 張超，鄭曉瓊，王娣，等. 基于遺傳算法進(jìn)化小波神經(jīng)網(wǎng)絡(luò)的電力變壓器故障診斷研究[J] . 自動(dòng)化與儀器儀表，2019(10)：136-139.
[11] 蔣波濤，王錦. 蟻群優(yōu)化最小二乘支持向量機(jī)在變壓器故障診斷中的應(yīng)用[J]. 機(jī)電信息，2018(24)：43-44.
[12] 肖云波，范菁，張宜，等. 基于改進(jìn)粒子群算法與油中溶解氣體的變壓器故障診斷的研究[J] . 電子測(cè)量技術(shù)，2021，44(18)：122-128.
[13] 劉華，劉江永. 基于圖卷積神經(jīng)網(wǎng)絡(luò)的電力變壓器故障診斷[J] . 湖南科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2021，36(3)：75-81.
[14] 郭振洲，王平，馬云峰，等. 基于自適應(yīng)權(quán)重和柯西變異的鯨魚優(yōu)化算法[J] . 微電子學(xué)與計(jì)算機(jī)，2017，34(9)：20-25.
[15] FAN Qingchuan, YU Fei, XUAN Min.Transformer fault diagnosis method based on improved whale optimization algorithm to optimize support vector machine[J].Energy Reports，2021，7：856-866.
[16] ZHANG W, YANG X, DENG Y, et al.An inspired machine-learning algorithm with a hybrid whale optimization for power transformer PHM[J].Energies，2020，13(12)：3143.
[17] 田曉飛. 基于改進(jìn)蝙蝠算法優(yōu)化支持向量機(jī)的變壓器故障診斷研究[D]. 成都：西華大學(xué)，2019.