基于鲁棒能量模型LS-TSVM和DGA的变压器故障诊断

鲁棒能量模型最小二乘双支持向量机作为最小二乘双支持向量机（LS-TSVM）的改进算法，训练速度快、鲁棒性好且泛化能力强。将其引入到变压器故障诊断中，并提出一种鸡群算法优化鲁棒能量模型LS-TSVM的变压器故障诊断模型。在该模型中，结合二叉树和鲁棒能量模型LS-TSVM构造多类分类器用于变压器故障类型识别，并采用搜索性能较强的鸡群算法对鲁棒能量模型LS-TSVM的参数进行优化，以使模型的诊断性能达到最佳。基于DGA的变压器故障诊断实例表明，该方法故障诊断模型精度高，诊断效果优于PSO-SVM模型。