电工电气杂志社

基于ReliefF-mRMR与IAO-SVM的变压器故障诊断

来源：电工电气发布时间：2023-02-07 10:07 浏览次数：325

基于ReliefF-mRMR与IAO-SVM的变压器故障诊断

张佳豪¹，杨国华^1，2，赵艺青¹，张兆坤¹，李志远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准确率，提出一种基于 ReliefF-mRMR 与 IAO-SVM 结合的变压器故障诊断模型。采用 ReliefF 和最大相关最小冗余 (mRMR) 算法对变压器故障数据进行特征优选；引入混沌反向学习和自适应混合变异策略改进天鹰优化算法，并对最优特征集合和支持向量机 (SVM) 参数联合寻优，构建最佳故障诊断模型；利用已有变压器故障数据对所提模型仿真实验，并与常用故障诊断模型灰狼算法支持向量机 (GWO-SVM)、天鹰优化算法支持向量机 (AO-SVM) 相比较, 准确率分别提高了 10.76% 和 6.15%，高达 95.38%，结果表明所提模型能有效提高变压器故障诊断精度。

关键词： 变压器；故障诊断；特征优选；改进天鹰优化算法；支持向量机

中图分类号：TM407 文献标识码：A 文章编号：1007-3175(2023)01-0001-07

Fault Diagnosis Method of Transformer Based on ReliefF-mRMR and IAO-SVM

ZHANG Jia-hao¹, YANG Guo-hua^1,2, ZHAO Yi-qing¹, ZHANG Zhao-kun¹, LI Zhi-yuan¹

（1 College of Physics and Electrical and Electronic Engineering, Ningxia University, Yinchuan 750021, China;

2 Ningxia Key Laboratory of Power and Energy Security, Yinchuan 750004, China）

Abstract: The paper is aimed at putting forward a transformer fault diagnosis model based on ReliefF-mRMR and IAO-SVM to further increase its accuracy. In order to build an optimal fault diagnosis model, the authors use ReliefF and mRMR for feature optimization of transformer fault data, combine chaotic backward learning and adaptive mixed mutation strategy to improve aquila optimizer, and make joint optimization of optimal feature set and support vector machine (SVM) parameters. By doing simulation experiment of the existing transformer fault data and comparing the optimal fault diagnosis model with gray wolf algorithm support vector machine (GWO-SVM) and aquila optimizer support vector machine (AO-SVM), it is found that the accuracy of the optimal fault diagnosis model rise to 95.38% with the growth rate of 10.76% and 6.15% respectively, verifying its high accuracy of transformer fault diagnosis.

Key words: transformer; fault diagnosis; feature optimization; improved aquila optimizer; support vector machine

参考文献

[1] 盛戈皞，钱勇，罗林根，等. 面向新型电力系统的电力设备运行维护关键技术及其应用展望[J] . 高电压技术，2021，47(9)：3072-3084.

[2] 江秀臣，许永鹏，李曜丞，等. 新型电力系统背景下的输变电数字化转型[J] . 高电压技术，2022，48(1)：1-10.

[3] 梁永亮，郭汉琮，薛永端. 基于特征气体关联特征的变压器故障诊断方法[J] . 高电压技术，2019，45(2)：386-392.

[4] 张丞鸣，谢菊芳，胡东，等. 基于 QPSO-SVM 与 DGA 五边形解释工具的变压器故障诊断方法[J] . 高压电器，2021，57(12)：117-124.

[5] 徐龙舞，张英，张倩，等. 基于正交实验法改进的蝠鲼算法优化 BP 在变压器故障诊断上的研究[J] .南方电网技术，2022，16(7)：46-54.

[6] WU Y H, SUN X B, ZHANG Y, et al.A Power Transformer Fault Diagnosis Method-Based Hybrid Improved Seagull Optimization Algorithm and Support Vector Machine[J].IEEE Access，2022，10：17268-17286.

[7] 刘仲民，翟玉晓，张鑫，等. 基于 DBN-IFCM 的变压器故障诊断方法[J] . 高电压技术，2020，46(12)：4258-4265.

[8] YANG X H, CHEN W K, LI A Y, et al.BAPNN-based methods for power transformer fault diagnosis[J].Advanced Engineering Informatics，2019，39：178-185.

[9] 谢国民，倪乐水，曹媛. 基于 VSRP 与 β-GWO-SVM 的变压器故障辨识方法[J] . 高电压技术，2021，47(10)：3635-3641.

[10] 苏磊，陈璐，徐鹏，等. 基于深度信念网络的变压器运行状态分析[J] . 高压电器，2021，57(2)：56-62.

[11] 廖伟涵，郭创新，金宇，等. 基于四阶段预处理与 GBDT 的油浸式变压器故障诊断方法[J]. 电网技术，2019，43(6)：2195-2203.

[12] HUANG Z K,YANG C H,ZHOU X J, et al.A Hybrid Feature Selection Method Based on Binary State Transition Algorithm and ReliefF[J].IEEE Journal of Biomedical and Health Informatics，2019，23(5) ：1888-1898.

[13] PENG H C, LONG F H, DING C.Feature selection based on mutual information criteria of max-dependency , max-relevance , and min-redundancy[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2005，27(8) ：1226-1238.

[14] LAITH A, DALIA Y, MOHAMED A E, et al.Aquila Optimizer : A Novel Meta-Heuristic Optimization Algorithm[J] . Computers & Industrial Engineering，2021，157：107250.

[15] 王雨虹，王志中，付华，等. 多策略改进麻雀算法与 BiLSTM 的变压器故障诊断研究[J]. 仪器仪表学报，2022，43(3)：87-97.

[16] TANG A D , TANG S Q , HAN T , et al . A Modified Slime Mould Algorithm for Global Optimization[J].Computational Intelligence and Neuroscience，2021，2021：2298215.

[17] 单亚峰，段金凤，付华，等. 基于 SSA-AdaBoost-SVM 的变压器故障诊断[J] . 控制工程，2022，29(2)：280-286.

[18] 尹金良. 基于相关向量机的油浸式电力变压器故障诊断方法研究[D]. 北京：华北电力大学，2013.

[19] 李春茂，周妺末，刘亚婕，等. 基于邻域粗糙集与多核支持向量机的变压器多级故障诊断[J] . 高电压技术，2018，44(11)：3474-3482.

返回索引列表

Article retrieval

文章检索

基于ReliefF-mRMR与IAO-SVM的变压器故障诊断