模糊支持向量机在变压器故障诊断中应用.docVIP

模糊支持向量机在变压器故障诊断中的应用 史丽萍，余鹏玺，罗朋，徐天然，刘鹏，李佳佳 （中国矿业大学 信息与电气工程学院，江苏 徐州 221008） 摘要：为了解决在变压器故障诊断时复杂难辨的问题，提出了利用模糊支持向量机构建变压器故障诊断模型的方法。该方法是在支持向量机(SVM)的基础上引入模糊度隶属函数，从而有效消除噪声和野点对诊断结果的影响。通过模糊C均值算法(FCM)求取模糊支持向量机的隶属度，对所得样本进行预处理,然后利用交叉验证和网格有哪些信誉好的足球投注网站相结合的方法对支持向量机进行参数寻优。实验表明，该方法比改良IEC比值法和传统支持向量机法具有更高的准确率，更适用于变压器故障诊断。 关键词：模糊支持向量机；故障诊断；模糊C均值算法；变压器 中图分类号：TM411 文献标识码： 文章编号201）00000-00 Application of fuzzy support vector machine in transformer fault diagnosis Shi Liping, Yu Pengxi, Luo Peng, Xu Tianran, Liu Peng, Li Jiajia （School of Information and Engineering, China University of Mining and Technology, Xuzhou 221008, Jiangsu, China） Abstract：In order to solve the problem of correctly identifying fault classes in transformer fault diagnosis, a novel fault diagnosis method of the transformer model based on fuzzy support vector machine (FSVM) is proposed in this paper. This method is developed in introducing the fuzzy membership function based on support vector machine (SVM), aiming to overcome the sensitivity to noise and outliers. In this paper, the membership value of the FSVM is obtained by fuzzy C-means clustering algorithm to preselect the achieved samples, and the gird search method based on cross-validation is chosen to determine the optimized parameters of the SVM model. The experiment shows that the proposed method is more effective and accurate than the method of IEC and normal SVM, and this method is proper in fault diagnosis of transformer. Keywords: fuzzy support vector machines, fault diagnosis, fuzzy C-means clustering algorithm, transformer 0 引 言 电力变压器作为电力系统中最重要的变电设备，其运行发生故障将会直接威胁到整个电力系统的安全性，因此运用现代技术手段对变压器的潜伏性故障进行诊断就具有十分重要的意义和价值。在众多的诊断技术当中，变压器油中溶解气体分析(DGA)技术被普遍认为是最简单有效的手段。它是根据在变压器发生故障时，由于绝缘物裂解而产生的特征气体与故障类型之间存在着关联性，通过对特征气体的监测和分析就可以判断存在的故障。 近年来，不少智能算法如BP神经网络、遗传算法、聚类分析、粗糙集和专家系统等都被广泛应用到变压器故障诊断中，并取得了一定的研究成果，但是这些算法都需要大量的故障样本数据。然而在变压器的故障诊断中，不容易获得大量的典型故障样本，因此泛化能力强并且适合小样本训练的支持 向量机(SVM)技术就有着广泛的应用前景[1]。支持向量机能较好的处理分类和回归等问题，具有很强的泛化能力，但同时也存在一定的局限性。在实际中，变压器故障数据具有一定的模糊性