基于AOO-CNN-SVM的矿用变压器故障诊断方法

摘要

为了提高矿用变压器故障诊断精度，提出了一种基于不实野燕麦优化（AOO）算法优化卷积神经网络（CNN）和支持向量机（SVM）的矿用变压器故障诊断模型。首先，基于油中溶解气体法，以5种特征气体作为输入，利用CNN对数据进行特征提取；其次，利用SVM代替CNN的Softmax分类器，提高模型的诊断精度；最后，采用AOO算法对CNN和SVM的关键参数进行优化，以提高模型的收敛速度和诊断精度。通过与单一型、组合型及优化模型进行对比，结果表明，所提AOO-CNN-SVM模型能够有效利用CNN的深度特征提取性能和SVM对小样本数据分类的优势，故障诊断精度达到96%。

关键词

矿用变压器 / 故障诊断 / AOO / SVM / CNN

基金资助

黑龙江省省属高等学校基本科研业务费项目（2021-KYYWF-1476）