%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Cg。经实验表明,该模型准确率为83.3%,具有较好的实用性。