절연유 변압기 오일가스 내 결함 진단의 저정확도 문제에 대해, 반대 학습 전략을 활용하여 담자균 알고리즘 (SMA)을 개선하여 ISMA 알고리즘을 형성하여 전체적인 최적화 능력을 향상시키고 지지 벡터 머신 (SVM)을 최적화하고 결함 진단 ISMA-SVM 모델을 구축하여 학습 훈련을 실시하였습니다. 진단 및 인식 결과를 회색 늑대 GWO-SVM 최적화 모델 및 PSO-SVM 모델과 비교하였을 때, ISMA-SVM 결함 진단 정확도는 93.3%로, 각각 6.66 및 10.66% 포인트 증가하였습니다.

절연 유; 가스 결함; 담자균 알고리즘; 지지 벡터 머신; 진단 및 인식