Для проблемы низкой точности диагностики неисправностей изоляционных масел трансформаторов с газовой нагрузкой (DGA) был усовершенствован алгоритм грибного слизня (SMA) с использованием обратной стратегии обучения для формирования алгоритма ISMA, чтобы увеличить способность к глобальной оптимизации и оптимизировать метод опорных векторов (SVM), а также создать улучшенную модель диагностики неисправностей ISMA-SVM и обучить ее на образцах. Результаты диагностики и распознавания сравнивали с оптимизированной моделью серого волка GWO-SVM и моделью PSO-SVM, и точность диагностики неисправностей ISMA-SVM составила 93.3%, что на 6.66 пунктов и 10.66 пунктов выше, чем у моделей GWO-SVM и PSO-SVM соответственно.

Масло изоляции; газовые неисправности; алгоритм грибного слизня; метод опорных векторов; диагностика и распознавание