絶縁油中の気体（DGA）の故障診断の正確さの低い問題について、逆学習戦略を用いて粘菌アルゴリズム（SMA）を改良してISMAアルゴリズムを形成し、全体的な最適化能力を向上させ、サポートベクトルマシン（SVM）を最適化し、故障診断モデルISMA-SVMを構築し、学習トレーニングを行いました。診断および認識の結果を灰色狼GWO-SVM最適化モデルおよびPSO-SVMモデルと比較したところ、ISMA-SVM故障診断の精度は93.3%となり、GWO-SVMおよびPSO-SVMに比べてそれぞれ6.66ポイントと10.66ポイント向上しました。

絶縁油；ガス故障；粘菌アルゴリズム；サポートベクトルマシン；診断と認識