基于参数优化支持向量机的矿用变压器故障诊断.pdfVIP

第38卷 第4期 电 子 器 件 V01．38 No．4 2015年 8月 ChineseJournalofElectronDevices Aug．2015 M ineTransformerFaultDiagnosisBasedon theParameter Optimization ofSupportVectorM achine YANGZhanshe ，MA Xianmin (SchoolofElectricalandControlEngineering，Xi’anUniversityofScienceandTechnology，Xi’an710054，China) Abstract：SupportVectorMachines(SVM)theoryisusedwidelyinthetransformerfaultdiagnosis，butthereareprob— lemsaboutparameteroptimizationselectionwhichraenottheoreticalsuppo~．Formonitoringminetransformerlatent faultintimeandimprovingtheefficiencyoffaultdiagnosis．DissolvedGasesAnalysisintransfomr er0ilisappliedin thispaper，trainingsetandtestingsetareestablishedtheconcentrationdatawhatarehydrogen，methane，ethane， ethylene，acetyleneinthefailureofthetransfomr er，becausetransformerfaultdataarelimited，parametersCandgare optimizedwhichbasedoncrossvalidationalgorithmoptimizationandSupportvectormachine(SVM)．Inthetraining set，parameters bestCandbestgareofundbyCrossvalidationalgorithm，thenusingtheoptimizedpraametersfor trainingofthetrainingset，thebestsupportvectormachine(SVM)modelisofund，thenclassifyingtestset，SOthe transfomr erfaulttypesraediagnosed．Thetransfomr erfaultdiagnosisexampleanalysisresultsshow thatthemethodis feasibleandeffective，faultdiagnosisaccuracyrateis88．4615％，ithasthehighaccuracyoffaultdiangosis． Keywords：miningtransformer；faultdiangosis；supportvectormachine；crossvalidation；kernelfunctionparameters EEACC：8350；2140 doi：10．3969／j．issn．1005-9490．2015．04．024 基于参数优化支持 向量机的矿用变压器故障诊断半 杨战社 ，马宪民 (西安科技大学电气与控制工程学院，西安 710054) 摘 要：支持向量机SVM(Suppo~VectorMachines)理论在变压器故障诊断中得到了越来越多的应用，但在参数的优化选择 方面还存在理论支持问题。为及时监测矿用变压器潜伏性故障和提高故障诊断效率，根据支持向量机原理，采用变压器故障 时产生的氢气、甲烷、乙烷、乙烯、乙炔的浓度数据，提出了支持向量机的参数 C和参数g的交叉验证算法，寻找最佳的参数 c 和参数g，利用优化后的参数对训练集进行训练 ，最终得到最佳的支持向量机模型，并对