針對(duì)電力變壓器各故障類別間案例數(shù)量不平衡導(dǎo)致的神經(jīng)網(wǎng)絡(luò)等傳統(tǒng)機(jī)器學(xué)習(xí)診斷方法準(zhǔn)確率較低,及各故障類型之間識(shí)別效果差距大的問(wèn)題,基于層次分類和集成學(xué)習(xí)的思想,構(gòu)造了一種多級(jí)層次變壓器故障診斷模型。該方法根據(jù)每級(jí)類別樣本的不平衡程度分級(jí)建立相應(yīng)的分類器,逐級(jí)深入進(jìn)行診斷。第1級(jí)分類器選取神經(jīng)網(wǎng)絡(luò),提取正常、放電故障和過(guò)熱故障3種廣義特征標(biāo)簽,并與原始參量輸入進(jìn)行特征融合,以引導(dǎo)DL/T722—2014中采用的9種更細(xì)致的狀態(tài)類型分類;第2級(jí)分類器采用EasyEnsemble集成學(xué)習(xí)方法,通過(guò)欠采樣生成多個(gè)數(shù)據(jù)平衡的訓(xùn)練子集,充分平衡了多數(shù)類和少數(shù)類故障信息,再通過(guò)并行訓(xùn)練子分類器合成最終分類器,避免了欠采樣丟失數(shù)據(jù)信息的問(wèn)題。實(shí)驗(yàn)結(jié)果表明:與傳統(tǒng)診斷方法相比,所提出的方法提升了少數(shù)類故障的泛化特性,使總體準(zhǔn)確率提升了7%,具有更準(zhǔn)確和更平衡的電力變壓器故障診斷效果。 

【文章來(lái)源】：高電壓技術(shù). 2020,46(01)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]不平衡數(shù)據(jù)挖掘方法綜述[J]. 向鴻鑫,楊云.  計(jì)算機(jī)工程與應(yīng)用. 2019(04)
[2]基于四階段預(yù)處理與GBDT的油浸式變壓器故障診斷方法[J]. 廖偉涵,郭創(chuàng)新,金宇,龔霄.  電網(wǎng)技術(shù). 2019(06)
[3]基于鄰域粗糙集與多核支持向量機(jī)的變壓器多級(jí)故障診斷[J]. 李春茂,周妺末,劉亞婕,高波,吳廣寧.  高電壓技術(shù). 2018(11)
[4]基于蝙蝠算法優(yōu)化最小二乘雙支持向量機(jī)的變壓器故障診斷[J]. 陳歡,彭輝,舒乃秋,張開(kāi)軒,魏岸.  高電壓技術(shù). 2018(11)
[5]基于深度多任務(wù)學(xué)習(xí)的層次分類[J]. 趙其魯,李宗民.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(05)
[6]電力設(shè)備狀態(tài)大數(shù)據(jù)分析的研究和應(yīng)用[J]. 江秀臣,盛戈皞.  高電壓技術(shù). 2018(04)
[7]基于油中氣體分析的變壓器故障診斷ReLU-DBN方法[J]. 代杰杰,宋輝,楊祎,陳玉峰,盛戈皞,江秀臣.  電網(wǎng)技術(shù). 2018(02)
[8]基于滑動(dòng)窗口和聚類算法的變壓器狀態(tài)異常檢測(cè)[J]. 嚴(yán)英杰,盛戈皞,劉亞?wèn)|,杜修明,王輝,江秀臣.  高電壓技術(shù). 2016(12)
[9]變壓器故障診斷用油中溶解氣體新特征參量[J]. 汪可,李金忠,張書(shū)琦,孫建濤,王健一,高飛,程渙超.  中國(guó)電機(jī)工程學(xué)報(bào). 2016(23)
[10]采用遺傳算法優(yōu)化裝袋分類回歸樹(shù)組合算法的變壓器故障診斷[J]. 黃新波,李文君子,宋桐,王巖妹.  高電壓技術(shù). 2016(05)



本文編號(hào)：3067179