电子测量与仪器学报 Journal of Electronic Measurement and Instrumentation ISSN 1000-7105,CN 11 摘 要:为解决传统变压器故障识别方法提取故障特征难度大,识别准确率低等问题,提出基于多尺度标准差模糊熵(SDMFE) 和哈里斯鹰算法(HHO)优化支持向量机(SVM)的故障识别方法。首先,采用基于模糊熵的多尺度分析法量化变压器振动信 号复杂的动态特性,提取多时间尺度下的故障特征。随后,将利用 SDMFE 获得的故障特征输入 SVM 分类器识别变压器不同 的故障。同时,为了提升 SVM 的识别性能,引入 HHO 算法以自适应、准确地选择 SVM 参数。最后,利用变压器实测振动 信号进行了对比试验。与不同的信息熵、不同的优化策略和不同的分类器相比,所提方法取得 %的最高识别准确度和最 好的识别稳定性。结果表明所提方法能够有效提取故障敏感特征和准确识别变压器故障状态。 关键词:变压器故障识别;多尺度标准差模糊熵;支持向量机;哈里斯鹰优化算法 中图分类号:TM407 文献标识码 A 国家标准学科分类代码: Fault identification of transformer based on multiscale entropy analysis and improved SVM Shao Kaixuan He Yigang Wang Lei (School of Electrical Engineering and Automation, Wuhan University, Wuhan 430072, China) Abstract:To handle the problems of difficulty in extracting fault features and low identification accuracy of traditional transformer fault identification methods, a novel identification method is proposed by fusing standa