基于改进粒子群算法与支持向量机的变压器状态评估 condition assessment for power transformer based on improved particle swarm optimization and support vector machine.pdfVIP

第27卷第3期 电力科学与工程 V。L27,No．3 27 PowerScienceand 1 2011年3月 Electric Engineering Mar．。201 基于改进粒子群算法与支持向量机的变压器状态评估 吴米佳，卢锦玲 (华北电力大学电气与电子工程学院，河北保定071003) 摘要：支持向量机(SVM)能较好地解决小样本、非线性特征的多分类问题，适用于电力变压器运行状 态评估，但参数选择对分类效果有着显著影响。利用改进的粒子群算法(PSO)对支持向量机(SVM) 参数进行寻优，通过引入收敛因子、惯性因子动态化和自适应粒子变异三种方法对传统的PSO算法进行 改进，从而获得最佳的分类模型。该模型以变压器油中溶解气体浓度为评估指标，将变压器分成优秀、