文献知网节
  • 记笔记

一种优化特征选择–快速相关向量机变压器故障诊断方法

梁永亮1李可军1牛林2赵建国2孙林升3

1. 电网智能化调度与控制教育部重点实验室(山东大学)2. 国网技术学院3. 济南希恩软件科技有限公司

摘要:为了快速准确地诊断变压器故障,提出一种基于量子粒子群优化的快速相关向量机(quantum particle swarm optimized fast relevance vector machine,QPSO-FRVM)变压器故障诊断模型。首先建立了快速相关向量机多层次分类模型,在此基础上提出劣化度故障特征提取方法;其次分析了影响相关向量机分类性能的2个因素,借助量子粒子群算法确定每一层的核函数参数以及故障特征提取方法。最后利用训练好的QPSO-FRVM模型进行变压器的故障诊断,并与IEC三比值法、SVM模型进行对此。仿真结果表明,FRVM缩短了训练时间,具有比RVM更高的诊断效率;同时在小样本情况下,对核参数和特征提取方法均进行优化选择的QPSO-FRVM模型,具有比IEC三比值法和SVM模型更高的诊断准确率,为实现变压器快速准确的故障诊断提供一种新的参考。
  • DOI:

    10.13335/j.1000-3673.pst.2013.11.042

  • 专辑:

    理工C(机电航空交通水利建筑能源)

  • 专题:

    电力工业

  • 分类号:

    TM407

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:605 页码:3262-3267 页数:6 大小:289K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者