作者：董方旭; 咸日常; 咸日明; 李文强; 马雪锋细菌觅食算法支持向量机参数优化电力变压器油中色谱分析故障诊断
摘要：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三比值法中无法判断的数据也可进行精确诊断。最后，通过实例分析，验证了方法的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
