论文部分内容阅读
针对支持向量机（SVM）分类性能受参数影响，且最优参数难以获取这一问题，提出一种基于细菌觅食算法（BFA）的电力变压器故障诊断模型的参数寻优方法。该方法以电力变压器油中特征气体含量作为状态评价样本，通过BFA寻找全局最优SVM参数解，构建k-折平均分类准确率目标函数，建立变压器故障诊断模型。仿真结果表明，BFA对SVM最优参数的选取较遗传算法（GA）、粒子群算法（PSO）更迅速，且优化后的SVM电力变压器故障诊断模型具有更高的精确度；利用BFA优化方法建立的SVM电力变压器状态诊断模型，对IEC三比值法中