本文選題：變壓器 + 代價(jià)敏感學(xué)習(xí)��； 參考：《電力自動(dòng)化設(shè)備》2014年05期

【摘要】：實(shí)際中不同變壓器故障類型的誤分引發(fā)的危害程度往往不同,僅追求正確率并不一定會(huì)帶來(lái)符合實(shí)際意義的分類結(jié)果。針對(duì)此,提出了代價(jià)敏感相關(guān)向量機(jī)(CS-RVM)。CS-RVM以誤分代價(jià)最小為目標(biāo),按貝葉斯風(fēng)險(xiǎn)理論預(yù)測(cè)新樣本類別。在用典型算例驗(yàn)證了CS-RVM具有代價(jià)敏感性的基礎(chǔ)上,嘗試將其應(yīng)用于變壓器故障診斷�；谌芙鈿怏w分析(DGA)數(shù)據(jù)的變壓器故障診斷實(shí)例分析表明,CS-RVM全局診斷正確率略高于BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī),略低于多分類相關(guān)向量機(jī)(M-RVM),但CS-RVM趨于提高誤診代價(jià)高的故障類型的診斷正確率,具有代價(jià)敏感性;CS-RVM的診斷速度足以滿足變壓器故障診斷的工程要求。
[Abstract]:In practice, the degree of harm caused by the misclassification of different transformer fault types is often different, and the pursuit of accuracy does not necessarily lead to classification results of practical significance. To solve this problem, a cost sensitive correlation vector machine (CS-RVM) .CS-RVM is proposed to predict the new sample categories according to Bayesian risk theory. The cost sensitivity of CS-RVM is verified by a typical example, and the application of CS-RVM in transformer fault diagnosis is attempted. An example of transformer fault diagnosis based on dissolved gas analysis (DGA) data shows that the global diagnostic accuracy of CS-RVM is slightly higher than that of BP neural network and support vector machine. However, CS-RVM tends to improve the diagnostic accuracy of the type of fault with high misdiagnosis cost, and the diagnostic speed of CS-RVM with cost sensitivity is sufficient to meet the engineering requirements of transformer fault diagnosis.
【作者單位】： 天津理工大學(xué)自動(dòng)化學(xué)院;天津理工大學(xué)工程訓(xùn)練中心;
【基金】：河北省自然科學(xué)基金資助項(xiàng)目(E2009001392)~~
【分類號(hào)】：TM407

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 李中;苑津莎;張利偉;;基于自組織抗體網(wǎng)絡(luò)的電力變壓器故障診斷[J];電工技術(shù)學(xué)報(bào);2010年10期

2 趙文清;;基于選擇性貝葉斯分類器的變壓器故障診斷[J];電力自動(dòng)化設(shè)備;2011年02期

3 鄭元兵;陳偉根;李劍;杜林;孫才新;;基于BIC與SVRM的變壓器油中氣體預(yù)測(cè)模型[J];電力自動(dòng)化設(shè)備;2011年09期

4 劉衛(wèi)華;廖瑞金;楊麗君;;基于點(diǎn)密度加權(quán)核模糊聚類的變壓器故障診斷方法[J];電力自動(dòng)化設(shè)備;2012年06期

5 董明,孟源源,徐長(zhǎng)響,嚴(yán)璋;基于支持向量機(jī)及油中溶解氣體分析的大型電力變壓器故障診斷模型研究[J];中國(guó)電機(jī)工程學(xué)報(bào);2003年07期

6 趙文清;朱永利;張小奇;;應(yīng)用支持向量機(jī)的變壓器故障組合預(yù)測(cè)[J];中國(guó)電機(jī)工程學(xué)報(bào);2008年25期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張哲;朱永利;武中利;韓凱;;基于SVM多分類法的變壓器油中溶解氣體故障診斷[J];變壓器;2010年03期

2 符楊;張雷;江玉蓉;左官芳;;基于可靠性數(shù)據(jù)分析和最小二乘支持向量機(jī)的電力變壓器故障診斷[J];變壓器;2010年09期

3 朱志宇;劉維亭;;基于支持向量機(jī)的船舶柴油機(jī)故障診斷[J];船舶工程;2006年05期

4 王錕;王潔;刁迎春;;基于LS-SVM組合預(yù)測(cè)的地空導(dǎo)彈發(fā)射車液壓系統(tǒng)油液污染度預(yù)測(cè)[J];傳感技術(shù)學(xué)報(bào);2012年05期

5 趙立華;李洋流;李國(guó)強(qiáng);;基于氣體傳感器的變壓器在線DGA系統(tǒng)的研究[J];傳感器與微系統(tǒng);2009年11期

6 吳興偉;遲道才;;鍋爐給水泵軸承溫度變化狀態(tài)預(yù)測(cè)[J];軸承;2009年02期

7 白麗;胡曉光;;斷路器故障診斷專家系統(tǒng)研究[J];東北水利水電;2012年01期

8 尹金良;朱永利;;支持向量機(jī)參數(shù)優(yōu)化及其在變壓器故障診斷中的應(yīng)用[J];電測(cè)與儀表;2012年05期

9 王永強(qiáng),律方成,李和明;基于貝葉斯網(wǎng)絡(luò)和油中溶解氣體分析的變壓器故障診斷方法[J];電工技術(shù)學(xué)報(bào);2004年12期

10 方瑞明;馬宏忠;;基于最小二乘支持矢量機(jī)的異步電機(jī)轉(zhuǎn)子故障診斷研究[J];電工技術(shù)學(xué)報(bào);2006年05期

相關(guān)會(huì)議論文 前2條

1 胡澤江;張海濤;;可拓關(guān)聯(lián)函數(shù)與屬性約簡(jiǎn)相結(jié)合的變壓器故障診斷方法[A];2011年云南電力技術(shù)論壇論文集（入選部分）[C];2011年

2 張國(guó)榮;;基于SVM分類算法的電力變壓器故障診斷[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 吳鋒;基于GPU并行計(jì)算的數(shù)值模擬與燃煤鍋爐系統(tǒng)的優(yōu)化研究[D];浙江大學(xué);2010年

2 胡青;基于電力變壓器故障特征氣體分層特性的診斷與預(yù)測(cè)方法研究[D];重慶大學(xué);2010年

3 李洋流;基于膜分離與光聲光譜的絕緣油中溶解氣體在線分析技術(shù)[D];哈爾濱工業(yè)大學(xué);2011年

4 鄭元兵;變壓器故障診斷與預(yù)測(cè)集成學(xué)習(xí)方法及維修決策模型研究[D];重慶大學(xué);2011年

5 翟永杰;基于支持向量機(jī)的故障智能診斷方法研究[D];華北電力大學(xué)（河北）;2004年

6 吳立增;變壓器狀態(tài)評(píng)估方法的研究[D];華北電力大學(xué)（河北）;2005年

7 孫斌;基于小波和混沌理論的氣液兩相流流型智能識(shí)別方法[D];華北電力大學(xué)（河北）;2005年

8 潘明清;基于支持向量機(jī)的機(jī)械故障模式分類研究[D];浙江大學(xué);2005年

9 何洪英;基于紅外熱像及人工智能的絕緣子污穢等級(jí)識(shí)別方法研究[D];湖南大學(xué);2006年

10 王春林;大型電站鍋爐配煤及燃燒優(yōu)化的支持向量機(jī)建模與實(shí)驗(yàn)研究[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張勝龍;Multi-Agent在變壓器故障診斷中的研究[D];華北電力大學(xué);2011年

2 譚平;油氣水三相流流型識(shí)別方法研究[D];燕山大學(xué);2011年

3 吳鈺;月度負(fù)荷預(yù)測(cè)的支持向量機(jī)與綜合模型研究[D];上海交通大學(xué);2012年

4 肖興軍;電站燃煤鍋爐燃燒優(yōu)化算法的應(yīng)用研究[D];燕山大學(xué);2012年

5 尹玉娟;基于油氣分析的油浸式變壓器時(shí)變停運(yùn)模型及故障診斷研究[D];浙江大學(xué);2012年

6 袁鵬;基于信息編碼的城市電網(wǎng)智能報(bào)警研究[D];浙江大學(xué);2012年

7 宋曉芳;電能質(zhì)量分析技術(shù)研究與實(shí)現(xiàn)[D];南京理工大學(xué);2005年

8 王李東;基于支持向量機(jī)（SVM）的短期負(fù)荷預(yù)測(cè)的研究[D];華中科技大學(xué);2005年

9 陳淼峰;基于EMD與支持向量機(jī)的轉(zhuǎn)子故障診斷方法研究[D];湖南大學(xué);2005年

10 楊瑞高;人工免疫算法及其在變壓器故障診斷中的應(yīng)用[D];浙江大學(xué);2006年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林茂六;陳春雨;;基于傅立葉核與徑向基核的支持向量機(jī)性能之比較[J];重慶郵電學(xué)院學(xué)報(bào)(自然科學(xué)版);2005年06期

2 錢政,高文勝,尚勇,嚴(yán)璋;基于范例推理的變壓器油中氣體分析綜合診斷模型[J];電工技術(shù)學(xué)報(bào);2000年05期

3 李儉,孫才新,陳偉根,陳國(guó)慶,崔雪梅;基于灰色聚類分析的充油電力變壓器絕緣故障診斷的研究[J];電工技術(shù)學(xué)報(bào);2002年04期

4 王楠,律方成,劉云鵬,李和明;基于決策表約簡(jiǎn)的變壓器故障診斷Petri網(wǎng)絡(luò)模型及其應(yīng)用研究[J];電工技術(shù)學(xué)報(bào);2003年06期

5 章劍光,周浩,項(xiàng)燦芳;基于Super SAB神經(jīng)網(wǎng)絡(luò)算法的主變壓器故障診斷模型[J];電工技術(shù)學(xué)報(bào);2004年07期

6 吳立增,朱永利,苑津莎;基于貝葉斯網(wǎng)絡(luò)分類器的變壓器綜合故障診斷方法[J];電工技術(shù)學(xué)報(bào);2005年04期

7 李玉龍;宗偉;呂鮮艷;何秋宇;袁啟洪;王倩;;基于抗體濃度調(diào)節(jié)新定義下的免疫遺傳算法在電壓無(wú)功優(yōu)化中的應(yīng)用[J];電工技術(shù)學(xué)報(bào);2008年02期

8 唐小我;組合預(yù)測(cè)誤差信息矩陣研究[J];電子科技大學(xué)學(xué)報(bào);1992年04期

9 肖燕彩;朱衡君;陳秀海;;用灰色多變量模型預(yù)測(cè)變壓器油中溶解的氣體濃度[J];電力系統(tǒng)自動(dòng)化;2006年13期

10 潘，

本文編號(hào)：2058097