摘要:电力变压器固体绝缘缺陷发展通常会随环境状况的变化而发生改变,而体现缺陷的局部放电信号具有一定的随机性,对局部放电类型进行有效的识别是准确评估电力变压器绝缘状态的前提。针对传统局部放电分类方法的不足,提出了一种基于粒子群优化支持向量机(PSO-SVM)的局部放电模式识别方法。该方法采用多分类法中的“一对多”分类原理,借助于粒子群优化算法实现对支持向量机(SVM)参数的优化.从而能有效地提高分类准确率。试验结果表明。PSO-SVM分类准确度明显高于反向传播神经网络(BPNN)及传统的SVM识别方法,说明该方法在电力变压器局部放电模式识别及故障预警系统领域具有良好的应用前景。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社