基于信息融合和CS-SVM的变压器绕组变形故障诊断方法研究

变压器绕组在遭受短路故障后易产生变形,传统的频率响应分析或短路阻抗分析在绕组变形检测过程中具有一定的片面性。提出一种基于信息融合和CS-SVM(布谷鸟优化的支持向量机)的变压器绕组变形故障诊断方法,通过将绕组变形相关的检测数据融合成SVM的输入样本,并放入根据人工经验训练好的CS-SVM来进行诊断。Matlab仿真结果表明,此方法具有良好的抗干扰性,能够较好地诊断出变压器绕组状态。最后再结合某变压器具体实例进行相应验证。

基于模糊环境AMPSO-SVM氧化锌避雷器故障诊断研究

阐述了氧化锌避雷器在线监测系统中故障诊断的常规方法与不足,对此提出一种基于模糊环境AMPSO-SVM的氧化锌避雷器故障诊断方法。首先将影响避雷器泄露电流的周围环境部分模糊化,以此作为支持向量机(SVM)的训练样本,在此基础上通过运用自适应变异粒子群算法(AMPSO)对支持向量机中的惩罚因子C和核函数参数g寻优,以得到最佳的诊断模型。并将所得模型和BP神经网络的故障诊断模型相比较,MATLAB仿真结果表明基于模糊环境AMPSO-SVM的诊断方法有更高的正确率和泛化能力,能够较准确的判断复杂环境下氧化锌避雷器的运行状况。