代价敏感VBGP在变压器故障诊断中的应用

发布时间：2018-04-06 21:19

  本文选题：高斯过程　切入点：误诊代价　出处：《电工技术学报》2014年03期

【摘要】：现有变压器诊断方法默认各种误诊代价相同,以全局误诊率最低为目标,而实际问题中误诊代价通常存在差异,不同类型的误诊造成的损失往往不同。针对此提出了代价敏感变分贝叶斯高斯过程(CS-VBGP),并将其应用于变压器故障诊断。该方法将代价敏感机制引入变分贝叶斯高斯过程,以误诊代价最小为目标,按贝叶斯风险理论预测新样本的类别,克服了仅追求低误诊率并不一定会带来符合实际意义的诊断结果的问题。变压器故障诊断实例分析表明,CS-VBGP有较高的诊断正确率,趋于提高高误诊代价类别的诊断正确率,具有代价敏感性,诊断速度足以满足变压器故障诊断的工程需求。
[Abstract]:By default, all kinds of misdiagnosis costs are the same, and the lowest misdiagnosis rate is the goal of the existing transformer diagnosis methods. However, the misdiagnosis cost is usually different in practical problems, and the loss caused by different misdiagnosis types is often different.In this paper, a cost sensitive variational Bayesian Gao Si process is proposed and applied to transformer fault diagnosis.In this method, the cost sensitive mechanism is introduced into the variational Bayesian Gao Si process, and the minimum cost of misdiagnosis is taken as the goal, and the classification of new samples is predicted according to Bayesian risk theory.It overcomes the problem that the pursuit of low misdiagnosis rate does not necessarily lead to practical diagnostic results.The analysis of transformer fault diagnosis example shows that CS-VBGP has a high diagnostic accuracy and tends to improve the diagnostic accuracy of high misdiagnosis cost category. It has cost sensitivity and the diagnosis speed is enough to meet the engineering needs of transformer fault diagnosis.
【作者单位】： 华北电力大学电气与电子工程学院;天津理工大学自动化学院;国家电力调度控制中心;
【基金】：河北省自然科学基金资助项目(E2009001392)
【分类号】：TM407

【参考文献】

相关期刊论文 前6条

1 章剑光,周浩,项灿芳;基于Super SAB神经网络算法的主变压器故障诊断模型[J];电工技术学报;2004年07期

2 吴立增,朱永利,苑津莎;基于贝叶斯网络分类器的变压器综合故障诊断方法[J];电工技术学报;2005年04期

3 李中;苑津莎;张利伟;;基于自组织抗体网络的电力变压器故障诊断[J];电工技术学报;2010年10期

4 凌晓峰;SHENG Victor S.;;代价敏感分类器的比较研究(英文)[J];计算机学报;2007年08期

5 郑海平,孙才新,李俭,毕强,练波;诊断电力变压器故障的一种灰色关联度分析模式及方法[J];中国电机工程学报;2001年10期

6 赵文清;朱永利;张小奇;;应用支持向量机的变压器故障组合预测[J];中国电机工程学报;2008年25期

【共引文献】

相关期刊论文 前10条

1 宫政;何飓;;云模型在电力变压器故障诊断中的应用[J];安徽电气工程职业技术学院学报;2012年01期

2 吴迪;;油色谱在线监测仪在变压器故障诊断中的应用[J];安徽水利水电职业技术学院学报;2006年01期

3 肖燕彩;陈秀海;朱衡君;;改进的离散灰色模型及其应用[J];北京交通大学学报;2008年01期

4 吴宏岐;刘霞;贾宏宾;刘风玲;;变压器故障诊断的ANN技术研究[J];宝鸡文理学院学报(自然科学版);2006年02期

5 荣雅君,王莉丽;模糊聚类分析在变压器保护中的应用[J];变压器;2003年09期

6 郑伟;童怀;钱国超;刘双捷;张岩;;基于DGA及AGAWNN的电力变压器故障诊断[J];变压器;2009年04期

7 江玉蓉;朱帆;符杨;曹家麟;;基于条件信息熵与贝叶斯网络的变压器故障诊断研究[J];变压器;2009年07期

8 贺令辉;邓维;龚杰;周力行;;改进型灰色关联度在变压器故障诊断中的应用[J];变压器;2009年12期

9 贺丽;方北湘;陈众;;基于ART2网络的变压器故障分类方法[J];变压器;2009年12期

10 赵笑笑;云玉新;王新宽;;变压器油中溶解气体的在线监测技术[J];变压器;2010年02期

相关会议论文 前8条

1 周斌;蔡丹;雷铭;;人工智能方法在基于DGA的变压器故障诊断中的应用[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年

2 高圣伟;张献;袁臣虎;张牧;张冠军;杨庆新;;变压器油中溶解气体检测技术现状与展望[A];天津市电机工程学会2009年学术年会论文集[C];2009年

3 岳全中;朱永利;;基于支持向量机多分类器的电流互感器状态评估[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

4 岳全中;朱永利;;基于朴素贝叶斯分类器的电流互感器状态评估[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

5 孟中强;卢锦玲;;基于贝叶斯分类器的暂态稳定评估方法研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

6 黎彬;王大伟;刘永刚;;基于LabVIEW的变压器故障诊断系统的研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

7 包秀芬;兰马;;溶解气体在线监测技术在状态检修中的应用[A];2009年全国输变电设备状态检修技术交流研讨会论文集[C];2009年

8 张杰;姚翔宇;董勤;;用于变压器油中气体监测的半导体气敏传感器特性问题研究[A];海洋经济与电力发展——第十届长三角电机、电力科技分论坛论文集[C];2013年

相关博士学位论文 前10条

1 李军;不平衡数据学习的研究[D];吉林大学;2011年

2 胡青;基于电力变压器故障特征气体分层特性的诊断与预测方法研究[D];重庆大学;2010年

3 孙会刚;水分对油纸绝缘热老化及寿命的影响与热老化程度表征研究[D];重庆大学;2011年

4 李洋流;基于膜分离与光声光谱的绝缘油中溶解气体在线分析技术[D];哈尔滨工业大学;2011年

5 魏鲁原;基于多蚁群算法的电力变压器故障定位方法研究[D];中国矿业大学;2011年

6 郑元兵;变压器故障诊断与预测集成学习方法及维修决策模型研究[D];重庆大学;2011年

7 高骏;电力变压器故障诊断与状态综合评价研究[D];华中科技大学;2011年

8 廖瑞金;变压器绝缘故障诊断黑板型专家系统和基于遗传算法的故障预测研究[D];重庆大学;2003年

9 彭宁云;基于DGA技术的变压器故障智能诊断系统研究[D];武汉大学;2004年

10 袁志坚;电力变压器状态维修决策方法的研究[D];重庆大学;2004年

相关硕士学位论文 前10条

1 宋天斌;油浸式变压器绝缘在线监测系统研究[D];华中农业大学;2010年

2 贺丽;基于改进ART2网络的变压器故障诊断方法[D];长沙理工大学;2010年

3 周媛媛;基于DGA的变压器故障诊断[D];长沙理工大学;2010年

4 徐瑜;基于主动差异学习神经网络集成的电力变压器故障诊断方法研究[D];湘潭大学;2010年

5 冯智;关于火电厂电气一次设备状态检修的探讨[D];华南理工大学;2010年

6 徐亚男;电力变压器运行状态评估方法的研究[D];长春工业大学;2010年

7 孙婧雅;基于改进的灰关联分析理论与Elman神经网络的变压器故障诊断研究[D];昆明理工大学;2009年

8 李宇鹏;变压器油在线监测及净化系统研究[D];浙江大学;2011年

9 侯佩韦;基于DSP的智能气相色谱检测系统研究[D];东华大学;2011年

10 宋晓霞;变压器故障综合诊断专家系统的研究与实现[D];西安电子科技大学;2010年

【二级参考文献】

相关期刊论文 前10条

1 杨启平,薛五德,蓝之达;变压器故障诊断技术的研究[J];变压器;2002年10期

2 林茂六;陈春雨;;基于傅立叶核与径向基核的支持向量机性能之比较[J];重庆邮电学院学报(自然科学版);2005年06期

3 钱政,杨莉,张冠军,严璋;基于模糊推理与覆盖集理论的电力变压器故障诊断方法[J];电工电能新技术;1999年03期

4 刘娜,高文胜,谈克雄;基于组合神经网络模型的电力变压器故障诊断方法[J];电工技术学报;2003年02期

5 王楠,律方成,刘云鹏,李和明;基于决策表约简的变压器故障诊断Petri网络模型及其应用研究[J];电工技术学报;2003年06期

6 章剑光,周浩,项灿芳;基于Super SAB神经网络算法的主变压器故障诊断模型[J];电工技术学报;2004年07期

7 吴立增,朱永利,苑津莎;基于贝叶斯网络分类器的变压器综合故障诊断方法[J];电工技术学报;2005年04期

8 李玉龙;宗伟;吕鲜艳;何秋宇;袁启洪;王倩;;基于抗体浓度调节新定义下的免疫遗传算法在电压无功优化中的应用[J];电工技术学报;2008年02期

9 张鸣柳,孙才新;变压器油中气体色谱分析中以模糊综合评判进行故障诊断的研究[J];电工技术学报;1998年01期

10 唐小我;组合预测误差信息矩阵研究[J];电子科技大学学报;1992年04期

相关博士学位论文 前2条

1 廖瑞金;变压器绝缘故障诊断黑板型专家系统和基于遗传算法的故障预测研究[D];重庆大学;2003年

2 吴立增;变压器状态评估方法的研究[D];华北电力大学（河北）;2005年

【相似文献】

相关期刊论文 前10条

1 苏伟;白俊强;;一种代理模型方法及其在气动优化设计中的应用[J];弹箭与制导学报;2008年03期

2 吴建国;;样本函数条件极值的渐近性质[J];河南科技大学学报(自然科学版);2006年02期

3 闻时光;王斐;吴成东;张育中;;基于高斯过程的改进经验模态分解及应用[J];东北大学学报(自然科学版);2011年04期

4 邱万英;;基于随机分析的自适应重合闸时间预估值计算[J];华东交通大学学报;2006年02期

5 苏国韶;燕柳斌;张小飞;江权;;基坑位移时间序列预测的高斯过程方法[J];广西大学学报(自然科学版);2007年02期

6 李云丽;付俐;;二维线性系统脉冲传递函数估计的渐近性质[J];北京交通大学学报;2007年06期

7 高波涌;姚伏天;张三元;;基于高斯过程的三维模型语义分类和检索[J];浙江大学学报(工学版);2010年12期

8 苏国韶;张研;燕柳斌;;隧道围岩变形预报的高斯过程机器学习模型[J];桂林理工大学学报;2010年04期

9 燕柳斌;张研;苏国韶;;岩溶塌陷预测的高斯过程机器学习模型[J];广西大学学报(自然科学版);2011年01期

10 熊志化,张卫庆,赵瑜,邵惠鹤;基于混合高斯过程的多模型热力参数测量软仪表[J];中国电机工程学报;2005年07期

相关会议论文 前10条

1 刘信恩;肖世富;莫军;;复杂数值模拟的贝叶斯模型确认框架及其简化[A];中国力学学会学术大会'2009论文摘要集[C];2009年

2 李雅芹;杨慧中;;一种基于仿射传播聚类和高斯过程的多模型建模方法[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年

3 陈曦;冯瑞;张卫;;面向上层应用的传感网数据过滤方法[A];2007中国控制与决策学术年会论文集[C];2007年

4 刘信恩;肖世富;莫军;;用于不确定性分析的高斯过程响应面模型设计点选择方法研究[A];中国计算力学大会'2010（CCCM2010）暨第八届南方计算力学学术会议（SCCM8）论文集[C];2010年

5 徐江荣;;F~(-2)色噪声两相流PDF模型理论[A];中国数学力学物理学高新技术交叉研究学会第十二届学术年会论文集[C];2008年

6 刘信恩;;高斯过程响应面法及其应用研究[A];中国工程物理研究院科技年报（2010年版）[C];2011年

7 赵级汉;张国敬;姜龙;魏巍;;基于叠加高斯过程的数字噪声产生方法FPGA实现[A];第二十四届全国空间探测学术交流会论文摘要集[C];2011年

8 单志辉;刘学军;吕宏强;;高斯过程回归在翼型气动性能快速评估中的应用[A];探索 创新 交流（第4集）——第四届中国航空学会青年科技论坛文集[C];2010年

9 刘冬;张清华;;基于高斯过程的精密卫星钟差加密[A];第二届中国卫星导航学术年会电子文集[C];2011年

10 全涌;顾明;;低矮建筑双坡屋盖上风压系数的概率分布[A];上海防灾救灾研究所20周年庆典会议研究短文集[C];2009年

相关博士学位论文 前10条

1 刘进;高斯过程二次型及其应用[D];清华大学;2013年

2 贺建军;基于高斯过程模型的机器学习算法研究及应用[D];大连理工大学;2012年

3 夏战国;基于高斯过程的提升机轴承性能评测方法研究[D];中国矿业大学;2013年

4 李修亮;软测量建模方法研究与应用[D];浙江大学;2009年

5 罗季;有限混合分布模型与线性模型的估计和检验问题[D];华东师范大学;2008年

6 谷琼;面向非均衡数据集的机器学习及在地学数据处理中的应用[D];中国地质大学;2009年

7 王磊;人脸表情自动提取与跟踪技术研究[D];湖南大学;2007年

8 苑进;贝叶斯学习框架下非线性制造过程建模及多目标优化关键技术研究[D];上海大学;2008年

9 姚伏天;基于高斯过程的高光谱图像分类研究[D];浙江大学;2011年

10 尹金良;基于相关向量机的油浸式电力变压器故障诊断方法研究[D];华北电力大学;2013年

相关硕士学位论文 前10条

1 雷鸣;基于高斯过程的变形预测算法研究[D];东华理工大学;2013年

2 申倩倩;基于高斯过程的在线建模问题研究[D];华南理工大学;2011年

3 曲轶松;基于高斯过程的数据处理的研究[D];北京交通大学;2014年

4 魏三喜;基于高斯过程的分类算法及其应用研究[D];华南理工大学;2012年

5 骆名剑;基于ROC的分类算法评价方法[D];武汉科技大学;2005年

6 黄荣清;基于稀疏高斯过程回归的半监督分类的序贯训练方法[D];华东师范大学;2012年

7 胡爱平;相依高斯过程的部分和与最大值、点过程的极限分布[D];西南师范大学;2004年

8 周文云;强化学习维数灾问题解决方法研究[D];苏州大学;2009年

9 李云丽;二维线性系统脉冲传递函数估计的渐近性质[D];北京交通大学;2007年

10 程学云;支持向量机及其在入侵检测中的应用研究[D];南京师范大学;2007年

，

本文编号：1718956