基于RFRFE与ISSA-XGBoost的变压器故障辨识方法

针对变压器故障诊断精度低的问题,提出了随机森林-递归特征消除(RFRFE)算法与改进麻雀算法(ISSA)优化极端梯度提升树(XGBoost)的变压器故障诊断方法。首先以诊断精度为标准,利用RFRFE算法选择重要特征变量,去除冗余特征;然后采用服从均匀分布随机调整策略和莱维飞行策略来对传统麻雀算法(SSA)进行改进,并将ISSA与SSA和粒子群算法(PSO)进行算法性能测试,证明其分类精度和网络寻优能力均有所提升;最后使用改进的麻雀算法对XGBoost相关超参数进行寻优,获取RFRFE与ISSA-XGBoost相结合的综合故障诊断模型,并与PSO-XGBoost和SSA-XGBoost故障诊断模型对比诊断效果,结果表明ISSA-XGBoost故障诊断率为91.08%,比PSO-XGBoost和SSA-XGBoost分别提高了9.9%、6.93%验证了所提方法能够有效地提高变压器故障诊断性能。