基于IWOA优化LSSVM的煤矿变压器故障诊断研究

为了快速地分辨出变压器故障类型提高故障诊断的准确率,提出了一种改进的鲸鱼算法(IWOA)优化最小二乘支持向量机(LSSVM)的变压器故障诊断模型。利用核主成分分析(KPCA)对冗杂繁多的数据进行降维处理,减少无效特征;采用启发式概率、融合正弦函数优化的动态权重、优化比例系数对鲸鱼算法进行改进,提高其优化能力,并与鲸鱼算法(WOA)和粒子群算法(PSO)进行性能测试对比,验证算法有效性;利用改进的鲸鱼算法对LSSVM的相关超参数进行寻优求解,避免算法出现早熟问题,提高变压器故障诊断的准确度。并对模型进行模拟仿真实验,仿真结果表明准确率达到93.33%,相对于WOA-LSSVM模型和PSO-LSSVM模型分别提高了6.66%、10%,具有良好的故障诊断效果。