基于IPSO优化SVM的变压器故障诊断
DOI: https://doi.org/10.64083/STE2610402
作者
邵黎，杨建民
摘要
为有效解决变压器故障诊断准确率低的问题，本文提出一种基于改进粒子群算法（Improved Particle Swarm Optimization，IPSO）优化支持向量机（Support Vector Machine，SVM）的变压器故障诊断新方法，旨在提升变压器故障识别的准确性与鲁棒性。具体而言，首先利用主成分分析（Principal Component Analysis，PCA）对高维故障特征进行降维处理，保留关键判别信息并削弱冗余与噪声干扰；其次，引入一种IPSO策略，自动寻优SVM的关键超参数，最终构建参数自适应、泛化能力强的SVM分类器完成故障类型判别。在内蒙古某电力公司变压器故障样本数据上的实验验证表明，该集成方法具备良好的实用性与诊断可靠性，综合故障诊断准确率为99.67%。与SVM模型和PSO-SVM模型相比分别提升了7.34%和2.67%，验证了所提方法对变压器故障诊断的有效性和先进性。
关键词
IPSO；SVM；PCA；变压器；故障诊断
