基于多特征提取和麻雀搜索算法优化XGBoost的变压器绕组松动诊断方法

打开文本图片集

摘  要：

针对使用单一特征量诊断变压器绕组松动，在不同负载条件下存在交叠和抗干扰能力不足的问题，提出一种基于核主成分分析（KPCA）和改进麻雀搜索算法（SSA）优化极端梯度提升（XGBoost）的变压器绕组松动振动诊断方法。首先，从时域、频域和熵值3个维度提取适用于变压器多传感器振动信号的多种特征量；其次，通过网格搜索优化的KPCA对特征量进行降维；最后，构建基于XGBoost的故障诊断模型，并采用改进麻雀搜索算法调参，实现不同电流大小下变压器绕组松动故障准确识别。（剩余21614字）