原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于免疫算法优化最小二乘支持向量机的变压器故障诊断
第2期(总第126期) 机 械 管 理 开 发 2012年4月
No．2(SUMNo．126) MECHANICAL MANAGEMENT AND DEVELOPMENT Apr．2012
基于免疫算法优化最小二乘支持向量机的
变压器故障诊断
郭泽民
(晋城煤业集团凤凰山矿 ，山西 晋城 048006)
摘 要：由于支持向量机中的参数会显著影响着支持向量机分类的精确度，建立了一种基于免疫算法优化最小二
乘支持向量机的电力变压器故障诊断模型；该模型以变压器油中主要溶解气体作为向量机的输入，以变压器故障类
型作为其相应的输 出，选用径向基核、使用免疫算法得到优化参数，充分发挥向量机较高泛化能力的优势。实例验
证表明，这种方法能提高变压器的故障诊断准确率，反映了其有效性和正确性。
关键词：故障诊断；电力变压器；免疫算法；最小二乘支持向量机
中图分类号：TM4 文献标识码：A 文章编号：1003—773X(2012)02—0101—03
0 引 言 数。首先选择一个非线性变换 )，把该样本向量集
变压器是电力系统中的重要设备之一，其运行的 从原空间映射到高维特征空间F，在F中构造最优线
安全可靠性直接关系到电力系统的安全与稳定；研究 性决策函数：
变压器的故障诊断技术，提高变压器的运行维护水平， f(x)=sgn( (z)+b)． (1)
有重要的现实意义。目前利用变压器油中溶解气体 式中 为超平面的权值矢量，b为偏置常数。
(DGA)数据进行变压器诊断故障的主要方法 (IEC三 利用结构风险最小化原则，寻找 和b，即将式
比值法和改 良三比值法等)存在 “编码不全”、“编码边 (2)最小化 ：
界过于绝对”等不足，故障诊断准确率不很理想。针对
： 2+ 岬／2． (2)
这些 问题 ，近年许多学者采用专家系统 、神经网络 、
式中： lI为控制模型的复杂度；f为正规化参数；
模糊理论等方法进行变压器故障诊断，取得一定效
R 为误差控制函数。
果fI-3]；但由于变压器故障机理的复杂性，很有必要寻
选取不同的损失函数 ，可构造不同形式的SVM。
找新的算法以进一步提高变压器故障诊断准确率。
支持向量机 (SVM)是在统计学习理论基础上发展 LS—SVM选择了误差 的二次项 ，其优化问题为：
起来的一种新的分类和回归工具；它通过结构风险最 rainJ=0．509+o．5c∑ ． (3)
小化原理来提高泛化能力，较好地解决了小样本、非线 f= 1
性、局部极小点等问题，已在信号处理、人脸识别、非线 约束条件为：
性系统建模与识别 、函数逼近等领域得到较好应 yi(co·(zf)+6)=1一f，f：l，2，…． (4)
用 [4-6]。最小二乘支持向量机 (LS—SVM)是标准SVM 通过其对偶形式可求最优解，对偶形式可按 目标
的重要改进和扩展，优化指标采用平方项，将传统向量 函数和约束条件建立拉格朗日函数：
机中的不等式约束改为等式约束，这样就把二次规划 1 ．
文档评论（0）