基于分步特征选取和WOA-LSSVM的变压器故障诊断

为了提高变压器故障诊断的精度,保障电网的稳定运行,提出了一种基于ReliefF算法与界标等距映射(L-Isomap)的分步特征选取和鲸鱼群算法(WOA)优化最小二乘支持向量机(LSSVM)的故障诊断模型。选取7种常见故障特征油中溶解气体分析(DGA)气体以及其构造出的16组比值作为初始特征集,利用ReliefF算法分别对初始特征集进行特征选择,再利用L-Isomap算法对融合后的特征集进行降维处理,将降维处理后的特征集作为故障特征向量代入诊断模型,故障诊断模型采用WOA-LSSVM进行训练与测试。实验结果表明,诊断模型的精度高达98.31%,相比于其他模型拥有更高的诊断精度。