基于IAOA优化SVM的变压器故障识别方法

针对电力变压器故障类型只有小样本数据难以准确识别的问题,提出一种基于改进算术优化算法(improved arithmetic optimization algorithm,IAOA)优化支持向量机(support vector machine,SVM)的变压器故障识别方法。该方法通过Piecewise混沌映射对算术优化算法进行改进,可以避免算法陷入局部最优解,利用IAOA对SVM参数进行优化,解决了SVM参数选择困难的问题,进而构造IAOA-SVM分类器对变压器故障进行识别。仿真结果表明,相比较于SVM和AOA-SVM分类器,IAOA-SVM分类器的识别性能最优,对5种、7种变压器故障类型的识别准确率分别为94.32%、99.26%,验证了所提方法的准确性。

基于快速EIS方法和PEMFC模型的故障分类研究

建立了半机理半经验的PEMFC动态模型,可使用模型仿真燃料电池的膜干和水淹故障.进一步地,通过对模型施加合成正弦扰动信号,应用全相位FFT的方法识别并区分了两种故障.在研究过程中,对比了基于最小二乘法和全相位FFT快速EIS方法的仿真结果,证实了快速方法的可行性.另外,通过对比在模型的快速EIS方法和实验的方法下得到的正常和两种不同故障下的Nyquist图和Bode图,验证了基于模型仿真和快速EIS方法的仿真结果的正确性.从而初步达到了故障识别和分类的目的,为基于模型的诊断方法提供了一定的借鉴.