论文部分内容阅读
针对变压器故障诊断中缺少实际典型故障样本的问题，提出了混沌支持向量机（CSVMs）变压器局部放电检测方法。该方法采用K均值聚类（KMC）对变压器油中5种特征气体样本进行预选取作为特征向量．输入到混沌优化多分类支持向量机中进行训练，建立CSVMs诊断模型，实现对故障样本的诊断分类。实例分析表明，KMC算法浓缩了故障信息，有效地解决了确定模型参数时耗时巨大的问题；混沌优化较好地提高了模型的推广能力。该方法在有限样本情况下，能够达到较高的故障正判率，满足变压器故障自动诊断的目的。