基于QPSO-MRVM与多特征融合的变压器故障诊断

彭飞云; 马锦雄; 谢鹏; 李星辉; 史小兵

doi:10.13622/j.cnki.cn42-1800/tv.1671-3354.2026.09.016

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于QPSO-MRVM与多特征融合的变压器故障诊断

研究研发 | 更新时间：2026-10-01

- 基于QPSO-MRVM与多特征融合的变压器故障诊断
- 基于QPSO-MRVM与多特征融合的变压器故障诊断
- 水电与新能源 2026年40卷第9期页码：67-69+75
- 作者机构：
  
  1. 云南龙源新能源有限公司
  2. 重庆科技大学
- 作者简介：
- 基金信息：
- DOI：10.13622/j.cnki.cn42-1800/tv.1671-3354.2026.09.016
  中图分类号： TM407;TP18
- 纸质出版：2026
- 稿件说明：
移动端阅览
彭飞云, 马锦雄, 谢鹏, 等. 基于QPSO-MRVM与多特征融合的变压器故障诊断[J]. 水电与新能源, 2026,40(9):67-69+75.

彭飞云, 马锦雄, 谢鹏, et al. 基于QPSO-MRVM与多特征融合的变压器故障诊断[J]. 2026, 40(9): 67-69+75.
彭飞云, 马锦雄, 谢鹏, 等. 基于QPSO-MRVM与多特征融合的变压器故障诊断[J]. 水电与新能源, 2026,40(9):67-69+75. DOI： 10.13622/j.cnki.cn42-1800/tv.1671-3354.2026.09.016.

彭飞云, 马锦雄, 谢鹏, et al. 基于QPSO-MRVM与多特征融合的变压器故障诊断[J]. 2026, 40(9): 67-69+75. DOI： 10.13622/j.cnki.cn42-1800/tv.1671-3354.2026.09.016.

摘要

针对变压器故障样本稀缺、传统诊断方法精度不足的问题，提出了一种变压器故障诊断方法。该方法融合DGA数据、IEC三比值与Doernenburg比值特征，经预处理构建综合故障特征集;利用量子粒子群算法(QPSO)自适应优化多分类相关向量机(M-RVM)核参数，并将十维融合特征输入优化模型完成训练与诊断。实验结果表明，所提方法的诊断准确率比SVM、PSO-SVM、M-RVM及PSO-RVM等方法均有明显提升。

Abstract

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

水轮发电机组常见振动故障分析

芭蕉河水电厂1号机组转轮修复技术研究

基于耦合WRF-Hydro的龙舟水极端洪水预报

新塘水闸二重管旋喷注浆施工及质量检验研究

基于LiDAR数据反演的堆石料压实评价模型

基于QPSO-MRVM与多特征融合的变压器故障诊断

基于QPSO-MRVM与多特征融合的变压器故障诊断

DOI：10.13622/j.cnki.cn42-1800/tv.1671-3354.2026.09.016

摘要

Abstract

关键词

Keywords

references