-
题名考虑不平衡案例样本的电力变压器故障诊断方法
被引量：38
- 1
-
-
作者
崔宇
侯慧娟
苏磊
钱涛
盛戈皞
江秀臣
-
机构
上海交通大学电气工程系
国网上海市电力有限公司电力科学研究院
国网浙江省电力有限公司建德市供电公司
-
出处
《高电压技术》
EI
CAS
CSCD
北大核心
2020年第1期33-41,共9页
-
基金
国家自然科学基金(51477100)
上海交通大学新进青年教师启动计划基金(基于人工智能的电力设备故障诊断)
国家电网公司科技项目(52094017002F)(基于深度学习的变压器状态识别技术研究).
-
文摘
针对电力变压器各故障类别间案例数量不平衡导致的神经网络等传统机器学习诊断方法准确率较低,及各故障类型之间识别效果差距大的问题,基于层次分类和集成学习的思想,构造了一种多级层次变压器故障诊断模型。该方法根据每级类别样本的不平衡程度分级建立相应的分类器,逐级深入进行诊断。第1级分类器选取神经网络,提取正常、放电故障和过热故障3种广义特征标签,并与原始参量输入进行特征融合,以引导DL/T722—2014中采用的9种更细致的状态类型分类;第2级分类器采用EasyEnsemble集成学习方法,通过欠采样生成多个数据平衡的训练子集,充分平衡了多数类和少数类故障信息,再通过并行训练子分类器合成最终分类器,避免了欠采样丢失数据信息的问题。实验结果表明:与传统诊断方法相比,所提出的方法提升了少数类故障的泛化特性,使总体准确率提升了7%,具有更准确和更平衡的电力变压器故障诊断效果。
-
关键词
电力变压器
油中溶解气体分析
故障诊断
集成学习
层次分类
不平衡数据
神经网络
-
Keywords
power transformer
dissolved gas analysis
fault diagnosis
ensemble learning
hierarchical classification
imbalanced data
neural networks
-
分类号
TN41
[电子电信—微电子学与固体电子学]
-
