电工电气杂志社

基于VNWOA-LSSVM变压器故障诊断方法研究

来源：电工电气发布时间：2022-12-22 12:22 浏览次数：241

基于VNWOA-LSSVM变压器故障诊断方法研究

张兆坤¹，杨国华^1,2，张佳豪¹，杨晓伟¹，张云飞¹

(1 宁夏大学物理与电子电气工程学院，宁夏银川 750021；

2 宁夏电力能源安全重点实验室，宁夏银川 750004)

摘要：为进一步提高变压器故障诊断的准确性，提出了一种基于冯洛伊曼拓扑结构优化鲸鱼算法 (VNWOA) 与最小二乘支持向量机 (LSSVM) 相结合的变压器故障诊断方法。利用冯洛伊曼拓扑结构的原理来改进鲸鱼算法，通过为每个鲸鱼个体构造 VN 拓扑结构，提高鲸鱼算法的收敛速度和寻优精度；利用 VNWOA 得到 LSSVM 的核函数参数和惩罚系数的最优解并构建 VNWOA-LSSVM 诊断模型；引入收集到的 260 例油浸式变压器 DGA 数据进行实例分析。结果表明，与其他诊断模型相比，VNWOA-LSSVM 诊断模型有着更高的准确率，诊断效果更好。

关键词： 变压器故障诊断；冯洛伊曼拓扑结构优化鲸鱼算法；最小二乘支持向量机；参数优化

中图分类号：TM411 文献标识码：A 文章编号：1007-3175(2022)12-0032-05

Research on Transformer Fault Diagnosis Method Based on VNWOA-LSSVM

ZHANG Zhao-kun¹, YANG Guo-hua^1,2, 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

参考文献

[1] 陈锦锋，张军财，卢思佳，等. 一种基于 SAE-RF 算法的配电变压器故障诊断方法[J] . 电工电气，2021(2)：17-23.

[2] 肖云波，范菁，张宜，等. 基于改进粒子群算法与油中溶解气体的变压器故障诊断的研究[J] . 电子测量技术，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] 杨飏，邢光兵. 基于三比值法的变压器故障诊断识别[J]. 机电信息，2021(11)：11-12.

[5] 王晶，许素安，洪凯星，等. 基于 DGA 特征量优选与 GA-SVM 的变压器故障诊断模型[J] . 变压器，2020，57(12)：36-40.

[6] 徐伟进，徐炜彬，张炜华，等. 基于 NRS 的 GWO-SVM 变压器故障诊断方法研究[J] . 电工电气，2022(2)：9-13.

[7] 高国磊，李英娜，段效琛，等. 基于 ACO 优化 LS-SVM 的变压器故障诊断[J] . 电子科技，2018，31(6)：59-62.

[8] 王保义，杨韵洁，张少敏. 改进 BP 神经网络的 SVM 变压器故障诊断[J]. 电测与仪表，2019，56(19)：53-58.

[9] 徐鹏，张烨颖. 基于鲸鱼优化算法的支持向量机变压器故障诊断方法[J] . 光源与照明，2021(9)：85-88.

[10] 张超，郑晓琼，王娣，等. 基于遗传算法进化小波神经网络的电力变压器故障诊断研究[J] . 自动化与仪器仪表，2019(10)：136-139.

[11] 蒋波涛，王锦. 蚁群优化最小二乘支持向量机在变压器故障诊断中的应用[J]. 机电信息，2018(24)：43-44.

[12] 肖云波，范菁，张宜，等. 基于改进粒子群算法与油中溶解气体的变压器故障诊断的研究[J] . 电子测量技术，2021，44(18)：122-128.

[13] 刘华，刘江永. 基于图卷积神经网络的电力变压器故障诊断[J] . 湖南科技大学学报(自然科学版)，2021，36(3)：75-81.

[14] 郭振洲，王平，马云峰，等. 基于自适应权重和柯西变异的鲸鱼优化算法[J] . 微电子学与计算机，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] 田晓飞. 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[D]. 成都：西华大学，2019.

返回索引列表

Article retrieval

文章检索

基于VNWOA-LSSVM变压器故障诊断方法研究