基于矮猫鼬算法的绕组变形分类方法、系统、设备及介质

本发明公开了基于矮猫鼬算法的绕组变形分类方法、系统、设备及介质，涉及电力设备状态监测与故障诊断技术领域，包括构建多源故障样本集，通过多源数据获取途径收集变压器绕组的频率响应数据，并从频率响应数据中提取多源数值特征，采用群体智能优化算法对分类模型的超参数进行自适应全局寻优，基于种群分工协作机制进行参数搜索，利用优化的分类模型对变压器绕组的变形状态进行分类判别，并通过对比验证流程评估性能优势。本发明通过多源数据融合与矮猫鼬优化算法的协同作用，在变压器绕组变形分类中实现了参数自适应全局寻优与故障精准识别的双重突破，显著提升了诊断精度、收敛速度和模型泛化能力。