变压器作为电力系统的关键设备,其绕组松动状态的识别对电网的稳定运行具有重要意义。针对传统监测方法环境干扰较大、应用复杂等问题,提出了使用两类不同的布拉格光纤光栅(Fiber bragg grating,FBG)传感器采集变压器绕组关键测点温度...变压器作为电力系统的关键设备,其绕组松动状态的识别对电网的稳定运行具有重要意义。针对传统监测方法环境干扰较大、应用复杂等问题,提出了使用两类不同的布拉格光纤光栅(Fiber bragg grating,FBG)传感器采集变压器绕组关键测点温度与应变信号,经快速解耦与自适应噪声完备集合经验模态分解后(Fast decoupling and complete ensemble empirical mode decomposition with adaptive noise,DECE),提取关键参数并进行主元分析(Principal component analysis,PCA)。对降维后的特征采用基于黑洞优化的支持向量机(Support vector machine based on black hole optimization,BHOSVM)进行分类,实现对变压器绕组径向松动状态的监测与定位。诊断结果表明,所提诊断方法对变压器绕组径向松动状态的识别准确率达到96.8%。展开更多
文摘从高维的生物医学数据中探索发现与疾病相关的基因是目前的热点研究问题,但是大部分生物医学数据具有许多与寻找疾病基因不相关或冗余特征,很难直接投入使用.针对这个问题,提出了一种自适应双种群混合磷虾黑洞算法(modified binary krill herd and black hole algorithm, MBKHA).该算法将改进的二进制磷虾算法与二进制黑洞算法相结合,磷虾算法负责寻找更优的解集,黑洞算法负责加快算法收敛,通过使用自适应划分规则动态调控种群中磷虾个体和恒星个体的数量,从而实现两个算法优势互补.基于5个公开医学微阵列数据集,从多个指标比较了提出的方法和其他特征选择算法的性能,实验结果表明该方法在特征选择上具有更好的性能.
文摘变压器作为电力系统的关键设备,其绕组松动状态的识别对电网的稳定运行具有重要意义。针对传统监测方法环境干扰较大、应用复杂等问题,提出了使用两类不同的布拉格光纤光栅(Fiber bragg grating,FBG)传感器采集变压器绕组关键测点温度与应变信号,经快速解耦与自适应噪声完备集合经验模态分解后(Fast decoupling and complete ensemble empirical mode decomposition with adaptive noise,DECE),提取关键参数并进行主元分析(Principal component analysis,PCA)。对降维后的特征采用基于黑洞优化的支持向量机(Support vector machine based on black hole optimization,BHOSVM)进行分类,实现对变压器绕组径向松动状态的监测与定位。诊断结果表明,所提诊断方法对变压器绕组径向松动状态的识别准确率达到96.8%。