多核多分类相关向量机在变压器局部放电模式识别中的-电工技术学报.PDFVIP

20 14 年 11 月 电 工 技 术 学 报 Vol.29 No. 11 第 29 卷第 11 期 TRAN SACTION S OF CHINA ELECTROTECHNICAL SOCIETY Nov . 20 14 多核多分类相关向量机在变压器局部放电模式 识别中的应用 尚海昆 苑津莎 王瑜 张利伟 （华北电力大学电气与电子工程学院 保定 07 1003 ） 摘要 针对传统单核分类器存在的固有 分类属性及识别信息不够完整的问题，首次提出了 一种基于多核多分类相关向量机 （MMRVM ）的变压器局部放电模式识别新方法。首先选用不同 的核函数对 4 种变压器局部放电信号特征进行映射，解决了不同数据源的问题；然后利用粒子群 优化算法对核参数进行优化选择，有效避免了核参数选择的主观性；最后利用构建出的 MMRVM 分类模型直接进行多分类，实现放电模式识别。文中以实验室 4 种典型缺陷的变压器 局部放电信号为研究对象，采用传统单核 SVM 分类器、单核 RVM 分类器与MMRVM 分类器 对其进行分析对比。结果表明，MMRVM 分类器融合了多种放电特征信息，能够较为全面的描 述放电特征，与单核分类器相比具有更高的诊断准确率和更好的实用性。 关键词：多核 多分类 相关向量机 变压器 局部放电 模式识别 中 分类号：TM835 Partial Discharge Pattern Recognition in Power Transformer Based on Multi-Kernel Multi-Class Relevance Vector Machine Shang Haikun Yuan J insha Wang Yu Zhang L iwei （North China Electric Power University Baoding 07 1003 China ） Abstract To overcome the problem of inherent binary-class nature and incomplete information for traditional single kernel classifier, a novel method based on multi-kernel multi-class relevance vector machine(MMRVM) is proposed for partial discharge pattern recognition . Firstly, 4 different partial discharge signal features are mapped with different kernel functions to solve the problem of different data sources. Secondly , particle swarm optimization is applied for kernel parameter s selection to avoid the subj ectivity of parameter selection . Finally pattern recognition of partial discharge is realized by direct multi-classification with constructed model. 4 types of partial discharge signals simulated in the laboratory are analyzed with traditional single kernel SVM, RVM and MMRVM classifier