|
|||||
|
|
| 一种优化特征选择-快速相关向量机变压器故障诊断方法 | |
| 引用本文： | 梁永亮,李可军,牛林,赵建国,孙林升.一种优化特征选择-快速相关向量机变压器故障诊断方法[J].电网技术,2013(11). |
| 作者姓名： | 梁永亮 李可军 牛林 赵建国 孙林升 |
| 作者单位： | 1. 电网智能化调度与控制教育部重点实验室 山东大学,山东省 济南市,250061 2. 国网技术学院,山东省 济南市,250002 3. 济南希恩软件科技有限公司,山东省 济南市,250100 |
| 基金项目： | 山东省科技发展计划项目(2012GGE27004，2012GQX20115)。Project Supported by Shandong Scientific and Technological Project |
| 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。 |
| 关 键 词： | 相关向量机 量子粒子群优化算法 故障诊断 特征选择 |
A Transformer Diagnosis Method Based on Optimized Feature Selection Methods and Fast Relevance Vector Machine |
|
| LIANG Yongliang , LI Kejun , NIU Lin , ZHAO Jianguo , SUN Linsheng.A Transformer Diagnosis Method Based on Optimized Feature Selection Methods and Fast Relevance Vector Machine[J].Power System Technology,2013(11). | |
| Authors: | LIANG Yongliang LI Kejun NIU Lin ZHAO Jianguo SUN Linsheng |
| Abstract: | |
| Keywords: | relevance vector machine quantum particle swarm optimization fault diagnosis feature selection |
| 本文献已被 万方数据 等数据库收录！ | |
