基于自适应PSO算法的LS-SVM牵引变压器绝缘故障诊断模型（一）.pdfVIP

第3l卷第3期 电力自动化设备 V01．31No．3 201 Ehl(’t6(。PowerAutomation Mar．201 1年3月 Equipment 1④ 基于自适应PSO算法的LS-SVM牵引 变压器绝缘故障诊断模型 方 科，黄元亮，刘新东 (暨南大学电气自动化研究所，广东珠海519070) 摘要：结合罗杰斯比值法，基于自适应PSO算法和最小二乘支持向量机(LS．SVM)。提出一种牵引变压器绝 缘故障诊断模型。该模型提出一种自适应PSO算法。即根据群体的收敛程度和个体的适应值来调整惯性权 重，加快训练速度。利用该算法迭代求解LS．SVM中出现的矩阵方程．避免矩阵求逆．节省内存：为了快速和 PSO的Ls．SVM算法．收敛速度快。识别精度高。 关键词：故障诊断；牵引变压器；最小二乘支持向量机；粒子群优化：罗杰斯比值法：多分类 中图分类号：TM855：TP277 文献标识码：A 0引言 约束，并将经验风险由偏差的一次方转化为二次方． 牵引变压器作为牵引供电系统的核心设备．其 经典SVM的学习问题被转化为求解线性方程组 可靠性决定着整个牵引供电系统的安全运行。牵引 问题。避免了二次优化问题．提高了运算速度。但是 变压器由于牵引负荷不同于普通电力变压器．有着 LS—SVM在求解过程中总会出现矩阵求逆．对于实 下列特征：负载幅值变化大、平均负荷率低、负载周 际工程中的大规模问题，难以应用。为此．采用粒子 期变化频繁、随机性强、非线性等特点[¨。变压器油 群优化算法(PS0)来求解任意维线性方程组．不仅 避免了矩阵求逆。而且加快了计算速度。 中溶解气体分析(DGA)作为一种常见的变压器故障 诊断方法．其特点是能发现通过电器试验不易发现 本文在研究PsO、Ls—SVM的基础上。提出了一 的潜伏性故障．进行早期和实时的诊断非常有效。目 种基于自适应PSO算法的Ls．SVM牵引变压器故障 前．利用DGA方法来诊断变压器故障的方法较多． 诊断模型。并进行了详细的描述：并同时采用经典 最基本的是IEC三比值法．但是大量的统计资料表 SVM、标准PSO的LS．SVM对数据进行处理、比较． 明．三比值法对充油变压器导电回路和磁回路的铁 得出结论。 心多点接地等过热故障的论断准确度不高．因此． 1 LS．SVM和自适应PSO 英国中央电力局提出了应用溶解气体体积分数的4 组比值来构成l组代码以确定故障的性质．即罗杰 1．1 LS．SVM的基本理论 斯(Rogers)比值法[2-4]。 设动||练集Js={(鼍，兕)Ji=1，2，…，Z}，其中置∈足n 随着计算智能的兴起．许多学者致力于用神经 网络、进化计算等计算智能技术对变压器进行故障 准则构造的最小化目标函数及其约束条件为 诊断，取得了良好的效果【5．61。支持向量机(SVM)建 立在统计学习理论的VC维理论和结构风险最小原 min咖，咖争山+手静 … 理基础上，能较好解决小样本、非线性、高维数和局 s．t．y／=w7痧(xi)+6+ef 部极小点等实际问题．能有效避免“过拟和”。已成功 其中，i=1，2，…，Z；w为权重向量；y为常数；b为常 应用于各种分类问题：-引。为了提高效率，克服大规 值偏差。 模问题存在训练较慢的特点，Suyken提出的最小二