期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种基于夏普利值及油中溶解气体分析的可解释变压器故障诊断方法
被引量：
11
1
作者
廖才波
杨金鑫
+3 位作者
邱志斌
胡雄
曾清霖
黄智勇
《电网技术》
EI
CSCD
北大核心
2024年第4期1752-1761,I0099,共11页
相比于三比值等传统方法,基于机器学习算法的变压器故障诊断方法在诊断效率及准确性等方面具有一定的优势,但“黑箱模型”的本质属性决定了其决策过程及诊断结果的不可解释性。针对该问题,该文提出了一种基于油中溶解气体分析的可解释...
相比于三比值等传统方法,基于机器学习算法的变压器故障诊断方法在诊断效率及准确性等方面具有一定的优势,但“黑箱模型”的本质属性决定了其决策过程及诊断结果的不可解释性。针对该问题,该文提出了一种基于油中溶解气体分析的可解释变压器故障诊断方法,采用树形夏普利加法解释(tree Shapely additive explanations,TreeSHAP)方法实现了基于树结构概率密度估计优化极端梯度提升(tree-structured parzen estimator-extreme gradient boosting,TPE-XGBoost)的变压器故障诊断模型的可解释性分析。首先,构建了涵盖油中溶解气体含量、比值及编码等多结构数据的24维故障特征集合,并筛选得到10个有效特征量。其次,提出了基于TPE-XGBoost算法的变压器故障诊断方法,采用树结构概率密度估计完成XGBoost模型的多参数同步优化,实现对故障类型的准确判断。最后,引入TreeSHAP理论开展变压器故障诊断模型的可解释性分析,实现了故障诊断决策过程及其影响因素的可视化,并获取了不同故障类型的关键特征量。研究表明,该文所述变压器故障诊断方法的平均准确率为90.23%,同时可反映特征量对模型决策的影响过程及程度。该方法具有较好的准确性、鲁棒性及可解释性,可为变压器运维检修提供针对性的指导建议。
展开更多
关键词
变压器
故障诊断
树结构概率密度估计
极端梯度提升
可解释性
夏普利值
在线阅读
下载PDF
职称材料
基于DGA与TPE-LightGBM的变压器故障诊断
被引量：
4
2
作者
杨金鑫
廖才波
+3 位作者
胡雄
朱文清
张旭
刘邦
《电力科学与技术学报》
CAS
CSCD
北大核心
2024年第4期70-77,共8页
油中溶解气体分析(dissolved gas analysis,DGA)对变压器故障的早期预警及诊断具有重要意义。为了提升变压器故障诊断的准确性及可靠性,提出一种基于树结构概率密度估计(tree-structured parzen estimator,TPE)算法优化轻量级梯度提升机...
油中溶解气体分析(dissolved gas analysis,DGA)对变压器故障的早期预警及诊断具有重要意义。为了提升变压器故障诊断的准确性及可靠性,提出一种基于树结构概率密度估计(tree-structured parzen estimator,TPE)算法优化轻量级梯度提升机(light gradient boosting machine,LightGBM)的变压器故障诊断方法。首先,建立包含油中气体比值、编码等16维DGA特征集合,采用最小绝对收缩和选择(least absolute shrinkage and selection opera-tor,LASSO)算法选择用于变压器故障诊断的有效特征量;其次,构建基于LightGBM的变压器故障诊断方法,并引入TPE算法对LightGBM诊断模型参数进行优化,形成最优故障诊断模型;最后,选用精确度、召回率和F1分数等评价指标对所提诊断模型性能进行评估。研究结果表明,TPE-LightGBM的平均准确率为90.23%,其诊断精度及鲁棒性均优于RF和XGBoost等算法。同时,与现场常用的三比值法进行对比,所提方法的准确性和可靠性均有显著提升。该方法可有效提升电力变压器的智能运维水平。
展开更多
关键词
变压器
油中溶解气体
故障诊断
树结构概率密度估计
LASSO算法
轻量级梯度提升机
在线阅读
下载PDF
职称材料
基于油中溶解气体特征量筛选的变压器故障诊断方法
被引量：
12
3
作者
廖才波
杨金鑫
+3 位作者
胡雄
邱志斌
刘小天
朱文清
《电力工程技术》
北大核心
2024年第1期192-200,共9页
油中溶解气体分析对变压器故障预警及诊断具有重要意义。针对油中溶解气体特征量种类众多、故障关联特征分析不足等问题,文中以油浸式变压器为研究对象,提出了基于油中溶解气体特征量筛选的变压器故障诊断方法。首先,对油中溶解气体的...
油中溶解气体分析对变压器故障预警及诊断具有重要意义。针对油中溶解气体特征量种类众多、故障关联特征分析不足等问题,文中以油浸式变压器为研究对象,提出了基于油中溶解气体特征量筛选的变压器故障诊断方法。首先,对油中溶解气体的原始特征量进行特征衍生,通过随机森林(random forest,RF)计算特征量对故障诊断的重要度,筛选得到最佳特征组合。其次,采用树结构概率密度估计(tree-structured parzen estimator,TPE)实现RF模型的参数寻优,并形成TPE-RF诊断模型。同时,结合多种评价指标,证明所提方法能够对变压器作出准确的故障诊断。最后,提出TreeSAHP模型分析特征量对各故障的重要度,优选出各故障关联的主要特征量,并根据变压器运行案例,探讨了该方法在电力行业现场应用中的适用性,验证了该方法的有效性。
展开更多
关键词
油中溶解气体
变压器
故障诊断
树结构概率密度估计
(TPE)
随机森林(RF)
特征筛选
TreeSHAP模型
在线阅读
下载PDF
职称材料
题名
一种基于夏普利值及油中溶解气体分析的可解释变压器故障诊断方法
被引量：
11
1
作者
廖才波
杨金鑫
邱志斌
胡雄
曾清霖
黄智勇
机构
南昌大学能源与电气工程系
国网江西省电力有限公司赣州供电分公司
出处
《电网技术》
EI
CSCD
北大核心
2024年第4期1752-1761,I0099,共11页
基金
国家自然科学基金项目(62163025)
江西省自然科学基金项目(20212ACB212007)。
文摘
相比于三比值等传统方法,基于机器学习算法的变压器故障诊断方法在诊断效率及准确性等方面具有一定的优势,但“黑箱模型”的本质属性决定了其决策过程及诊断结果的不可解释性。针对该问题,该文提出了一种基于油中溶解气体分析的可解释变压器故障诊断方法,采用树形夏普利加法解释(tree Shapely additive explanations,TreeSHAP)方法实现了基于树结构概率密度估计优化极端梯度提升(tree-structured parzen estimator-extreme gradient boosting,TPE-XGBoost)的变压器故障诊断模型的可解释性分析。首先,构建了涵盖油中溶解气体含量、比值及编码等多结构数据的24维故障特征集合,并筛选得到10个有效特征量。其次,提出了基于TPE-XGBoost算法的变压器故障诊断方法,采用树结构概率密度估计完成XGBoost模型的多参数同步优化,实现对故障类型的准确判断。最后,引入TreeSHAP理论开展变压器故障诊断模型的可解释性分析,实现了故障诊断决策过程及其影响因素的可视化,并获取了不同故障类型的关键特征量。研究表明,该文所述变压器故障诊断方法的平均准确率为90.23%,同时可反映特征量对模型决策的影响过程及程度。该方法具有较好的准确性、鲁棒性及可解释性,可为变压器运维检修提供针对性的指导建议。
关键词
变压器
故障诊断
树结构概率密度估计
极端梯度提升
可解释性
夏普利值
Keywords
transformer
fault diagnosis
TPE
XGBoost
interpretability
SHAP value
分类号
TM721 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于DGA与TPE-LightGBM的变压器故障诊断
被引量：
4
2
作者
杨金鑫
廖才波
胡雄
朱文清
张旭
刘邦
机构
南昌大学能源与电气工程系
出处
《电力科学与技术学报》
CAS
CSCD
北大核心
2024年第4期70-77,共8页
基金
国家自然科学基金(62163025,52367001)。
文摘
油中溶解气体分析(dissolved gas analysis,DGA)对变压器故障的早期预警及诊断具有重要意义。为了提升变压器故障诊断的准确性及可靠性,提出一种基于树结构概率密度估计(tree-structured parzen estimator,TPE)算法优化轻量级梯度提升机(light gradient boosting machine,LightGBM)的变压器故障诊断方法。首先,建立包含油中气体比值、编码等16维DGA特征集合,采用最小绝对收缩和选择(least absolute shrinkage and selection opera-tor,LASSO)算法选择用于变压器故障诊断的有效特征量;其次,构建基于LightGBM的变压器故障诊断方法,并引入TPE算法对LightGBM诊断模型参数进行优化,形成最优故障诊断模型;最后,选用精确度、召回率和F1分数等评价指标对所提诊断模型性能进行评估。研究结果表明,TPE-LightGBM的平均准确率为90.23%,其诊断精度及鲁棒性均优于RF和XGBoost等算法。同时,与现场常用的三比值法进行对比,所提方法的准确性和可靠性均有显著提升。该方法可有效提升电力变压器的智能运维水平。
关键词
变压器
油中溶解气体
故障诊断
树结构概率密度估计
LASSO算法
轻量级梯度提升机
Keywords
transformer
dissolved gas in oil
fault diagnosis
tree-structured parzen estimator
least absolute shrinkage and selection operator
light gradient boosting machine
分类号
TM721 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于油中溶解气体特征量筛选的变压器故障诊断方法
被引量：
12
3
作者
廖才波
杨金鑫
胡雄
邱志斌
刘小天
朱文清
机构
南昌大学信息工程学院
出处
《电力工程技术》
北大核心
2024年第1期192-200,共9页
基金
国家自然科学基金资助项目(62163025)
江西省自然科学基金资助项目(20212ACB212007)。
文摘
油中溶解气体分析对变压器故障预警及诊断具有重要意义。针对油中溶解气体特征量种类众多、故障关联特征分析不足等问题,文中以油浸式变压器为研究对象,提出了基于油中溶解气体特征量筛选的变压器故障诊断方法。首先,对油中溶解气体的原始特征量进行特征衍生,通过随机森林(random forest,RF)计算特征量对故障诊断的重要度,筛选得到最佳特征组合。其次,采用树结构概率密度估计(tree-structured parzen estimator,TPE)实现RF模型的参数寻优,并形成TPE-RF诊断模型。同时,结合多种评价指标,证明所提方法能够对变压器作出准确的故障诊断。最后,提出TreeSAHP模型分析特征量对各故障的重要度,优选出各故障关联的主要特征量,并根据变压器运行案例,探讨了该方法在电力行业现场应用中的适用性,验证了该方法的有效性。
关键词
油中溶解气体
变压器
故障诊断
树结构概率密度估计
(TPE)
随机森林(RF)
特征筛选
TreeSHAP模型
Keywords
gas dissolved in oil
power transformer
fault diagnosis
tree-structured parzen estimator(TPE)
random forest(RF)
feature selection
TreeSHAP model
分类号
TM741 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种基于夏普利值及油中溶解气体分析的可解释变压器故障诊断方法
廖才波
杨金鑫
邱志斌
胡雄
曾清霖
黄智勇
《电网技术》
EI
CSCD
北大核心
2024
11
在线阅读
下载PDF
职称材料
2
基于DGA与TPE-LightGBM的变压器故障诊断
杨金鑫
廖才波
胡雄
朱文清
张旭
刘邦
《电力科学与技术学报》
CAS
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
3
基于油中溶解气体特征量筛选的变压器故障诊断方法
廖才波
杨金鑫
胡雄
邱志斌
刘小天
朱文清
《电力工程技术》
北大核心
2024
12
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
