基于向量加权算法优化ELM的变压器故障诊断

针对变压器设备，传统故障诊断方法的准确率与诊断效率难以满足当前的需求。本文提出了一种基于向量加权算法（INFO）优化极限学习机（ELM）的变压器故障诊断算法。在标准测试函数中选择3个测试函数对INFO算法进行寻优性能的测试，并与粒子群优化算法（PSO）、万有引力优化算法（GSA）、正余弦优化算法（SCA）和灰狼优化算法（GWO）进行了对比，经过测试验证INFO算法相较于其他优化算法具有更高的寻优性能。并使用INFO算法对ELM中初始输入权值和偏置进行优化，搭建基于油中溶解气体分析（DGA）的INFO-ELM变压器故障诊断分类模型，并与SVM、ELM、PSO-ELM、SSA-ELM、GWO-ELM故障诊断模型进行对比。结果表明，INFO-ELM故障诊断模型的综合准确率为98.71%，相对于上述对比模型分别提高了21.61%、16.87%、11.65%、10.36%和11.06%，本文提出的INFO-ELM变压器故障诊断模型具有更优良的故障诊断能力。