基于向量加权算法优化ELM的变压器故障诊断 |
| |
引用本文: | 曹鹏飞,甘永平.基于向量加权算法优化ELM的变压器故障诊断[J].环境技术,2023(10):136-142. |
| |
作者姓名: | 曹鹏飞 甘永平 |
| |
作者单位: | 北京国网信通埃森哲信息技术有限公司 |
| |
摘 要: | 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。
|
关 键 词: | 变压器 故障诊断 向量加权算法 极限学习机 油中溶解气体分析 |
|
|