%A 孙志鹏, 崔青, 张志磊, 王涛, 张天伟
%T 多分类支持向量机在电力变压器故障诊断中的应用
%0 Journal Article
%D 2019
%J 电气技术
%R
%P 25-28
%V 20
%N 10
%U {http://dqjs.cesmedia.cn/CN/abstract/article_2711.shtml}
%8 2019-10-15
%X 支持向量机是以统计学习理论为基础发展起来的新的通用学习方法,较好地解决了小样本、高维数、非线性等学习问题。支持向量机分类性能的好坏很大程度依赖于核函数与核参数的选取。目前常用的参数寻优方法有网格搜索法、遗传算法和粒子群优化算法。本文提出了一种基于支持向量机多分类的电力变压器故障诊断模型,以变压器油中5种特征气体作为输入,5种故障状态作为相应的输出,选用高斯径向基核函数,使用网格搜索法获取最优参数C、g。经实验表明,该模型准确率为83.3%,具有较好的实用性。