高电压技术
高電壓技術
고전압기술
HIGH VOLTAGE ENGINEERING
2014年
8期
2279-2284
,共6页
仲元昌%万能飞%夏艳%张亮%乔静
仲元昌%萬能飛%夏豔%張亮%喬靜
중원창%만능비%하염%장량%교정
故障诊断%诊断速度%准确率%支持向量机%量子遗传算法%K-近邻聚类分析
故障診斷%診斷速度%準確率%支持嚮量機%量子遺傳算法%K-近鄰聚類分析
고장진단%진단속도%준학솔%지지향량궤%양자유전산법%K-근린취류분석
fault diagnosis%diagnosis speed%accuracy%SVM%quantum genetic algorithm%K-nearest neighbor clustering analysis
为提高电力变压器故障诊断的诊断速度和准确率,提出了一种以变压器油气参数为诊断依据的电力变压器故障分步式诊断算法.该算法第1步采用量子行为的支持向量机(SVM)故障诊断算法,即采用SVM对大型电力变压器的故障进行分类,在分类的过程中采用改进的具有量子行为的遗传算法对SVM的参数进行寻优.在完成第1步的基础上,第2步再对存在于可疑区域的样本采用K-近邻聚类分析算法分类.仿真结果表明:改进的量子遗传算法只需要50代繁衍就能得到最佳分类模型,而普通遗传算法则需要通过170代才能得到;同时聚类分析与支持向量机的有机结合将分类准确率由97.5％提高到了100％.可见,所提出的电力变压器故障分步式诊断算法能有效地提高故障诊断的诊断速度和准确率,可广泛应用于电力变压器的故障诊断.
為提高電力變壓器故障診斷的診斷速度和準確率,提齣瞭一種以變壓器油氣參數為診斷依據的電力變壓器故障分步式診斷算法.該算法第1步採用量子行為的支持嚮量機(SVM)故障診斷算法,即採用SVM對大型電力變壓器的故障進行分類,在分類的過程中採用改進的具有量子行為的遺傳算法對SVM的參數進行尋優.在完成第1步的基礎上,第2步再對存在于可疑區域的樣本採用K-近鄰聚類分析算法分類.倣真結果錶明:改進的量子遺傳算法隻需要50代繁衍就能得到最佳分類模型,而普通遺傳算法則需要通過170代纔能得到;同時聚類分析與支持嚮量機的有機結閤將分類準確率由97.5％提高到瞭100％.可見,所提齣的電力變壓器故障分步式診斷算法能有效地提高故障診斷的診斷速度和準確率,可廣汎應用于電力變壓器的故障診斷.
위제고전력변압기고장진단적진단속도화준학솔,제출료일충이변압기유기삼수위진단의거적전력변압기고장분보식진단산법.해산법제1보채용양자행위적지지향량궤(SVM)고장진단산법,즉채용SVM대대형전력변압기적고장진행분류,재분류적과정중채용개진적구유양자행위적유전산법대SVM적삼수진행심우.재완성제1보적기출상,제2보재대존재우가의구역적양본채용K-근린취류분석산법분류.방진결과표명:개진적양자유전산법지수요50대번연취능득도최가분류모형,이보통유전산법칙수요통과170대재능득도;동시취류분석여지지향량궤적유궤결합장분류준학솔유97.5％제고도료100％.가견,소제출적전력변압기고장분보식진단산법능유효지제고고장진단적진단속도화준학솔,가엄범응용우전력변압기적고장진단.
