细菌觅食算法优化模型.docVIP

基于细菌觅食算法优化的电力变压器故障诊断技术 董方旭1，咸日常1，咸日明2，李文强3，马雪锋3 （1. 山东理工大学 电气与电子工程学院，山东 淄博 255000；2. 山东汇能电气有限公司，山东 淄博 255000；3. 山东省计量科学研究院，山东 济南 255014） 摘要：针对支持向量机（SVM）分类性能受参数影响，且最优参数难以获取这一问题，提出一种基于细菌觅食算法（BFA）的电力变压器故障诊断模型的参数寻优方法。该方法以电力变压器油中特征气体含量作为状态评价样本，通过BFA寻找全局最优SVM参数解，构建k-折平均分类准确率目标函数，建立变压器故障诊断模型。仿真结果表明，BFA对SVM最优参数的选取较遗传算法（GA）、粒子群算法（PSO）更迅速，且优化后的SVM电力变压器故障诊断模型具有更高的精确度；利用BFA优化方法建立的SVM电力变压器状态诊断模型，对IEC三比值法中无法判断的数据也可进行精确诊断。最后，通过实例分析，验证了方法的有效性。 关键词：细菌觅食算法；支持向量机；参数优化；电力变压器；油中色谱分析；故障诊断 中图分类号：TM406 文献标识码：B 文章编号：1001-1390（2018）00-0000-00 Fault diagnosis technology of power transformer based on