典型文献
基于灰狼算法优化SVM的变压器故障诊断
文献摘要：
电力运行离不开变压器,一旦变压器发生故障将造成难以估量的损失,而传统的变压器故障诊断方法在准确率存在方面不足,因此文章提出一种基于灰狼算法优化支持向量机(GWO-SVM)模型.该方法通过支持向量机(SVM)对故障数据进行分类,并用灰狼算法(GWO)对SVM的核参数g以及惩罚因子C进行优化,通过不断训练GWO-SVM使其故障诊断精度提高.文章分别对比了标准SVM和粒子群优化后的SVM(PSO-SVM)模型,经比较GWO-SVM模型精度比标准SVM模型高7.5％,比PSO-SVM模型高2.5％,证明GWO-SVM模型具有可行性.
文献关键词：
变压器;故障诊断;支持向量机;GWO-SVM;DGA;灰狼算法
中图分类号：
作者姓名：
周莉;鲍志伟
作者机构：
安徽理工大学,安徽淮南232001
文献出处：
引用格式：
[1]周莉;鲍志伟-.基于灰狼算法优化SVM的变压器故障诊断)[J].长江信息通信,2022(09):27-29
A类：
B类：
灰狼算法,算法优化,变压器故障诊断,电力运行,故障诊断方法,此文,优化支持向量机,GWO,故障数据,核参数,惩罚因子,故障诊断精度,粒子群优化,PSO,模型精度,DGA
AB值：
0.235414
相似文献
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。
