基于改进蝙蝠算法优化支持向量机的变压器故障诊断研究

发布时间：2020-05-31 10:28

【摘要】：针对传统蝙蝠算法收敛速度慢,求解精度低,易陷入局部最优等缺点,提出一种在速度公式中加入自学习因子并在位置公式中加入比例权重系数的改进方法。利用改进的蝙蝠算法对影响支持向量机分类精度的两个主要参数C和g进行寻优,获得最佳的参数组合并建立故障诊断模型,再结合溶解气体分析(DGA)数据获得故障诊断结果。实验表明,改进后的蝙蝠算法可以加快算法的收敛速度并提高求解精度。通过与传统的蝙蝠算法、粒子群算法、遗传算法寻优SVM获得故障诊断结果相比较,所提改进蝙蝠算法具有更高的故障正判率。
【图文】：

流程图,蝙蝠,算法优化,流程图

”等，其中“一对一”和“一对多”的应用比较广泛。由于变压器故障诊断需要很好的泛化能力和精度，，因此本文选择“二叉树”方法构建变压器故障诊断模型。1．3改进型蝙蝠算法优化SVM参数模型SVM的分类精度σ主要是受两个参数C、g的影响(C是惩罚因子，表示对超出误差样本的惩罚程度、g表示径向基函数的宽度)。由于通过传统方法获得核函数的分类效果不佳，因此，本文采用改进蝙蝠算法寻求最优的SVM参数。基于改进型蝙蝠算法的SVM参数优化流程图如图1所示，完整步骤如下:1)设置蝙蝠种群。蝙蝠种群的大小为sol、维数为D、脉冲速率为Ｒ、脉冲频率为F、最大迭代数为Ngen。2)蝙蝠个体初始化。利用Xmin+rand(1，D)×(Xmax－Xmin)产生蝙蝠个体，构成初始蝙蝠种群。3)计算每个蝙蝠的适应度值并确定最优蝙蝠的位置。将所有蝙蝠个体作为SVM的参数在训练集上进行训练，并在测试集上进行测试。得到的数值作为对应蝙蝠的适应度值并且输出，根据返回的适应度值的大小，找到最优的蝙蝠个体Xbest。4)生成新蝙蝠个体。根据传统蝙蝠算法基本公式分别更新脉冲频率Fi与飞行速度Vi，生成新的蝙蝠个体Xnew。5)更新蝙蝠个体。①产生一个随机数rand1，如果rand1＞Ｒi，则对当前群体中最优蝙蝠个体Xbest的邻域进行随机扰动，获得一个新的蝙蝠个体，而后用新蝙蝠个体替换图1改进蝙蝠算法优化SVM流程图Fig．1FlowchartofimprovedbatalgorithmtooptimizeSVM·21·黑龙江电力第41卷

流程图,变压器故障诊断,蝙蝠,算法优化

?。变压器故障特征将变压器运行状态分为6类，即高能放电、低能放电、高温过热、中低温过热、局部放电、正常状态，分别用标签1～6代表上述变压器状态。由于不同变压器内气体含量不同，将收集到DGA中的各项气体相对含量作为支持向量机模型的输入，利用典型故障气体的相对含量在高维空间的分布特性进行变压器故障类型判断。2．2变压器故障诊断的实现过程利用改进型蝙蝠算法优化SVM参数从而获得最佳分类器，并利用获得的最佳分类器构建变压器故障诊断模型，具体实现流程图如图2所示。3实例分析收集了260组DGA数据且每组数据都有明确的故障结论。将样本集分为两组:训练集和测试集，训练集有170个样本，测试集有90个样本，具体的样本分类如表1所示。对于n个故障类型，采用“二叉树”的分类方法需要n－1个SVM，所以针对上述6种变压器状态需要5个SVM分类器。将编号为1～6的6种变压器状态作为输入(SVM1)，若判断为第1种变压器状态则输出编号为1对应的状态，否则输出除编号为1的所有状态。按照此方法依次类推直到将6种变压器状态完全分开，达到最终分类的目的。具体的诊断模型如图3所示。图2基于改进型蝙蝠算法优化SVM的变压器故障诊断实现过程流程图Fig．2FlowchartoftransformerfaultdiagnosisprocessbasedonimprovedbatalgorithmtooptimizeSVM表1训练集和测试集样本分类Table1Sampleclassificationoftrainingsetsandtestsets样本标签123456训练集303030303020测试集151515151515图3分类诊断模型Fig．3Classificationdiagnosismodel第

【参考文献】