基于改進布谷鳥算法與SVM的礦用變壓器故障診斷

蓋超會，王成剛

(1.武漢軟件工程職業學院，湖北 武漢 430205；2.武漢工程大學，湖北 武漢 430205)

傳統的礦用變壓器故障診斷方法有IEC三比值法[1]和Rogers法等，近年來，隨著計算機科學和人工智能技術的迅猛發展，出現了BP神經網絡[2-4]、支持向量機[5]等方法來對礦用變壓器故障進行診斷。文獻[6]提出了基于布谷鳥算法和BP神經網絡的礦用變壓器故障診斷方法，但該方法存在訓練學習能力差，搜索速度慢的缺點；文獻[7]提出利用布谷鳥算法和支持向量機對變壓器故障進行診斷，但該方法容易出現局部最優，造成診斷誤差偏大，而文中將粒子群算法與布谷鳥算法結合提出了一種改進布谷鳥算法，該算法既能提高搜索速度，又可以避免局部最優。

本文將改進布谷鳥算法和SVM結合，利用改進的布谷鳥算法優化支持向量機參數，并將支持向量機用于礦用變壓器故障的診斷。診斷測試結果表明該方法能有效識別和診斷礦用變壓器的不同故障，與常用的礦用變壓器故障診斷方法相比具有更好的診斷效果。

1 布谷鳥算法的改進

布谷鳥算法(CS)是將布谷鳥的繁殖機理與萊維飛(Lévy Flight)搜索原理相結合而形成的一種新興算法[8]。CS算法的前期搜索能力較好，但其局部搜索速度緩慢，為了提高CS算法的局部搜索能力，文中將其與 PSO 算法相結合提出了一種改進布谷鳥算法。算法的前期讓布谷鳥按照Lévy Flight機制搜索，后期按照PSO 算法進行位置更新，這樣不僅能夠保持CS算法的全局搜索能力，還可以提高它在局部的尋優能力。……