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.pdfVIP

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 ．