YANG Zhao,LIU Chong,YANG Jialei,et al.Application of ISMA-SVM method in monitoring of gas content in insulating oil[J].Thermal Power Generation,2023,52(01):165-169.[doi:10.19666/j.rlfd.202208175]
绝缘油ISMA-SVM法含气监测应用
- Title:
- Application of ISMA-SVM method in monitoring of gas content in insulating oil
- 摘要:
- 对于变压器绝缘油含气（DGA）故障诊断识别准确率低问题，利用反向学习策略对黏菌算法（SMA）改进形成ISMA算法，提升全局寻优能力，并优化支持向量机（SVM），建立ISMA-SVM优化故障诊断模型，用样本集进行学习训练。将诊断识别结果与灰狼算法GWO-SVM和粒子群算法PSO-SVM优化模型进行对比，ISMA-SVM故障诊断识别准确率为93.3%，相比GWO-SVM、PSO-SVM分别提高了6.66百分点、10.66百分点。
参考文献/References:
［1］ 沙伟燕, 李秀广, 何宁辉, 等. 基于油色谱时频域信息和残差注意网络的变压器故障诊断方法[J]. 电网与清洁能源, 2022, 38(1): 66-75.
［2］ 荣智海, 齐波, 李成榕, 等. 面向变压器油中溶解气体分析的组合DBN诊断方法[J]. 电网技术, 2019, 43(10): 3800-3808.
［3］ 李恩文, 王力农, 宋斌, 等. 基于混沌序列的变压器油色谱数据并行聚类分析[J]. 电工技术学报, 2019, 34(24): 5104-5114.
［4］ 史丽萍, 宋朝鹏, 李明泽, 等. 基于SAAFSA优化加权模糊聚类算法的变压器故障诊断[J]. 电测与仪表, 2018, 55(11): 12-18.
［5］ 何宁辉, 沙伟燕, 胡伟, 等. 基于QIA-BP神经网络算法的变压器故障诊断[J]. 变压器, 2021, 58(3): 50-56.
HE Ninghui, SHA Weiyan, HU Wei, et al. Transformer fault diagnosis based on QIA-BP neural network algorithm[J]. Transformers, 2021, 58(3): 50-56.
［6］ 赵玲玲, 王群京, 陈权, 等. 基于IBBOA优化BP神经网络的变压器故障诊断[J]. 电工电能新技术, 2021, 40(9): 39-46.
［7］ 李黄曼, 张勇, 张瑶. 基于ISSA优化SVM的变压器故障诊断研究[J]. 电子测量与仪器学报, 2021, 35(3): 123-129.
［8］ 单亚峰, 段金凤, 付华, 等. 基于SSA-Ada Boost-SVM的变压器故障诊断[J]. 控制工程, 2022, 29(2): 280-286.
［9］ 郝玲玲, 朱永利, 王永正. 基于DCAE-KSSELM的变压器故障诊断方法[J]. 中国电力, 2022, 55(2): 125-130.
［10］ 朱保军, 咸日常, 范慧芳, 等. WRSR与改进朴素贝叶斯融合的变压器故障诊断技术研究[J]. 电力系统保护与控制, 2021, 49(20): 120-128.
［11］ 仝兆景, 乔征瑞, 李金香, 等. 基于MPC算法优化的贝叶斯网络变压器故障诊断[J]. 电子测量技术, 2021, 44(17): 41-45.
［12］ 刘成汉, 何庆. 改进交叉算子的自适应人工蜂群黏菌算法[J]. 小型微型计算机系统, 2021, 11(6): 1-8.
LIU Chenghan, HE Qing. Adaptive artificial bee colony slime mold algorithm with improved crossover operator[J]. Small Microcomputer System, 2021, 11(6): 1-8.
［13］ 郭雨鑫, 刘升, 张磊, 等. 精英反向与二次插值改进 的黏菌算法[J]. 计算机应用研究, 2021, 38(12): 3651-3656.
［14］ 谢国民, 倪乐水. 基于IABC优化SVM的变压器故障诊断[J]. 电力系统保护与控制, 2020, 48(15): 156-163.
［15］ 魏鹏飞, 樊小朝, 史瑞静, 等. 基于改进麻雀搜索算法优化支持向量机的短期光伏发电功率预测[J]. 热力发电, 2021, 50(12): 74-79.
［16］ 马骏, 江锐, 丁倩, 等. 基于多元宇宙优化支持向量机的短期光伏发电功率预测[J]. 热力发电, 2020, 49(4): 87-92.
［17］ 张婷婷. 基于人工蜂群-支持向量机优化算法的变压器故障诊断[D]. 阜新: 辽宁工程技术大学, 2019: 1.
（责任编辑 杨嘉蕾）
相似文献/References:
[1]徐 君,韩 敏,张春媚,等.真空净化中绝缘油流动带电裂解及其对策[J].热力发电,2008,(04):79.
[2]于乃海.气相色谱法测定绝缘油中溶解气体组分含量的测量不确定度[J].热力发电,2007,(02):13.
[3]曹松彦,杨 俊,柯于进.变压器油中含气量超标原因分析及对策[J].热力发电,2018,(8):138.[doi:10.19666/j.rlfd.201710158
]
CAO Songyan,YANG Jun,KE Yujin.Cause analysis and countermeasures of excessive gas content in transformer oil[J].Thermal Power Generation,2018,(01):138.[doi:10.19666/j.rlfd.201710158
]
备注/Memo
杨昭（1996），男，硕士，主要研究方向为大型火电机组启动调试和故障分析，1986560740@qq.com。
