典型文献
基于KPCA与IHHO-LSSVM的电力变压器故障诊断方法研究
文献摘要：
为提高电力变压器故障识别精确度,提出基于核主成分分析(Kernel principal component analysis,KPCA)与改进哈里斯鹰算法(Improved Harris hawk algorithm,IHHO)优化最小二乘支持向量机(Least square support vector machine,LSSVM)的电力变压器故障诊断方法.首先,利用核主成分分析对变压器原始故障数据进行预处理,去除冗余数据;其次,结合Sigmoid变形函数以及点对称策略改进传统哈里斯鹰算法(HHO),并与HHO和遗传算法(Genetic algorithm,GA)进行性能对比,证明求解精度和网络收敛速度有所提升;最后,采用IHHO对LSSVM的相关超参数进行优化求解,获取KPCA与IHHO-LSSVM相结合的变压器故障诊断模型.结果表明所提模型的诊断精度为95.6％,同其他故障诊断模型相比分别提高了8.9％、16.7％,证明了所提方法能够有效地提升变压器故障诊断性能.
文献关键词：
变压器;故障诊断;核主成分分析;哈里斯鹰算法;最小二乘支持向量机
中图分类号：
作者姓名：
宋立业;范抑伶;王燚增
作者机构：
辽宁工程技术大学电气与控制工程学院 葫芦岛 125105;国网冀北电力有限公司检修分公司 北京 102488
文献出处：
引用格式：
[1]宋立业;范抑伶;王燚增-.基于KPCA与IHHO-LSSVM的电力变压器故障诊断方法研究)[J].电气工程学报,2022(01):95-103
A类：
B类：
KPCA,IHHO,LSSVM,电力变压器,变压器故障诊断,故障诊断方法,变压器故障识别,核主成分分析,Kernel,principal,component,analysis,改进哈里斯鹰算法,Improved,Harris,hawk,algorithm,最小二乘支持向量机,Least,square,support,vector,machine,故障数据,冗余数据,Sigmoid,变形函数,对称策略,Genetic,GA,性能对比,网络收敛速度,超参数,优化求解,故障诊断模型,诊断性
AB值：
0.295711
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
