基于灰狼算法优化支持向量机的电力设备绝缘故障气体监测技术研究

Journal: Project Engineering DOI: 10.12238/pe.v3i5.16591

蔡志亮, 陶柏洪, 罗启维, 罗婉儿, 廖海君

中国南方电网有限责任公司东莞供电局

Abstract

当变压器内部出现过热劣化时,会释放出具有特征性的气体,这些气体可作为故障的重要预警信号。然而,现有的分类算法在变压器故障诊断中的识别精度仍存在不足。本文旨在提升特征气体识别的准确性与可靠性,提出了一种基于灰狼优化的支持向量机分类方法(GWO-SVM)。通过设置多种性能指标,对GWO-SVM、标准SVM以及BP神经网络三种模型进行了对比实验,并在相同数据集上进行验证。结果表明,GWO-SVM在特征气体识别方面表现突出,分类精度更高,稳定性也优于其他模型。

Keywords

电力变压器故障诊断；溶解气体分析；灰狼群智能优化；SVM模型

Funding

南方电网科技项目“储能电站多参数协同极早期火灾探测预警技术研究”(031900KC23070050)。

Full Text

PDF - Viewed/Downloaded: 0 Times

References

[1] 陈图南,马凤翔,王刘芳,等.高分子渗透膜在变压器油中溶解气体分析中的应用[J].电工技术学报,2022,37(03):750-66.
[2] KOK Z H,MOHAMED SHARIFF A R,ALFATNI M S M,et al.Suppo
[3] 赵明星.考虑运行损耗的变电站主变压器局部放电故障诊断[J].自动化仪表,2024,45(12):24-8.
[4] 李长海.基于支持向量机的油浸式电力变压器故障诊断方法研究[J].电气应用,2019,38(05):67-72.
[5] 张腾跃.电气设备状态监测与故障诊断方法研究[C]//2025

Citing this article:

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License