考虑不平衡案例样本的电力变压器故障诊断方法

发布时间：2021-03-06 13:21

　　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。 

【文章来源】：高电压技术. 2020,46(01)北大核心

【文章页数】：9 页

【参考文献】：
期刊论文
[1]不平衡数据挖掘方法综述[J]. 向鸿鑫,杨云.  计算机工程与应用. 2019(04)
[2]基于四阶段预处理与GBDT的油浸式变压器故障诊断方法[J]. 廖伟涵,郭创新,金宇,龚霄.  电网技术. 2019(06)
[3]基于邻域粗糙集与多核支持向量机的变压器多级故障诊断[J]. 李春茂,周妺末,刘亚婕,高波,吴广宁.  高电压技术. 2018(11)
[4]基于蝙蝠算法优化最小二乘双支持向量机的变压器故障诊断[J]. 陈欢,彭辉,舒乃秋,张开轩,魏岸.  高电压技术. 2018(11)
[5]基于深度多任务学习的层次分类[J]. 赵其鲁,李宗民.  计算机辅助设计与图形学学报. 2018(05)
[6]电力设备状态大数据分析的研究和应用[J]. 江秀臣,盛戈皞.  高电压技术. 2018(04)
[7]基于油中气体分析的变压器故障诊断ReLU-DBN方法[J]. 代杰杰,宋辉,杨祎,陈玉峰,盛戈皞,江秀臣.  电网技术. 2018(02)
[8]基于滑动窗口和聚类算法的变压器状态异常检测[J]. 严英杰,盛戈皞,刘亚东,杜修明,王辉,江秀臣.  高电压技术. 2016(12)
[9]变压器故障诊断用油中溶解气体新特征参量[J]. 汪可,李金忠,张书琦,孙建涛,王健一,高飞,程涣超.  中国电机工程学报. 2016(23)
[10]采用遗传算法优化装袋分类回归树组合算法的变压器故障诊断[J]. 黄新波,李文君子,宋桐,王岩妹.  高电压技术. 2016(05)



本文编号：3067179