基于改进量子粒子群优化支持向量机的变压器故障诊断方法

为了弥补量子粒子群算法优化支持向量机(QPSO-SVM)在变压器故障诊断中“早熟”收敛的不足,该文提出一种基于改进量子粒子群优化支持向量机算法。通过计算每一代粒子的平均适应值偏离度Δ并引入自扰动算子使“早熟”粒子主动跳出当前局部最优区域,增强算法的全局搜索能力。此外,建立基于所提算法的故障分类模型,对变压器故障样本进行诊断。实例结果表明:相较传统QPSO-SVM算法,改进QPSO-SVM算法可以使粒子主动跳出最优局部范围,且对变压器故障的诊断准确率更高,验证了该文方法在变压器故障诊断方面的有效性与准确性。