论文部分内容阅读
利用支持向量机的学习方法,构建了电力变压器故障诊断模型,该模型将变压器故障分为放电性和过热性两大类,通过统计分析寻求特征量区分类间的故障类型,采用支持向量机识别类内的故障类型,利用基于交叉验证的网格搜索法来确定支持向量机的参数.考虑到变压器油中溶解气体特征空间的紧致性原理,利用模糊C均值聚类算法对所获取的样本进行预选取,有效解决了确定模型参数耗时巨大的问题,并在一定程度上提高了模型的推广能力.实例验证表明,该模型在有限样本情况下,能达到较高的变压器故障判断率,放电性故障样本正确判断率为90.5%,过热性故