基于机器学习的油浸式变压器分层故障诊断及定位方法

基于机器学习的油浸式变压器分层故障诊断及定位方法，包括：建立典型缺陷下油浸式变压器铁心和绕组几何模型，对油浸式变压器铁心和绕组几何模型分别进行电路‑磁场、磁场‑结构力场和流场‑温度场仿真计算，得到不同工况下仿真计算结果；通过改进麻雀算法，引入边界搜索和预警消除机制，改善麻雀算法的边界优化性能，并采用基于t分布的自适应优化策略；将提取的电磁、振动和温度信号作为特征输入，用改进的麻雀算法对支持向量机的参数组合进行全局的迭代寻优，将最终获得的最优参数组合输入至改进麻雀搜索算法‑支持向量机的变压器故障诊断模型，进行变压器故障的识别和准确定位。该方法采用分层的方法实现油浸式变压器分层故障诊断和精确定位。