基于DGA的粗糙集与决策信息融合变压器故障诊断 |
| |
引用本文: | 李春茂,周妺末,袁海满,高波,吴广宁.基于DGA的粗糙集与决策信息融合变压器故障诊断[J].电工电能新技术,2018(1). |
| |
作者姓名: | 李春茂 周妺末 袁海满 高波 吴广宁 |
| |
作者单位: | 西南交通大学电气工程学院; |
| |
摘 要: | 针对变压器故障特征信息不确定性、冗余性及传统故障诊断手段的单一性问题,本文构建了一种粗糙集与多决策信息融合的变压器故障诊断模型。该方法首先考虑将16种特征气体比值作为故障特征参量,并利用离散化规则与粗糙集知识约简对其进行知识提取,以有效降低特征信息冗余度。其次,将降维后属性集作为BP神经网络、支持向量机以及贝叶斯网络3种单一诊断方法的特征输入,进行故障类型初步判定。最后,利用DS信息融合规则对3种初步判定结果进行决策融合,以获得更为高效的故障判断结论。实例分析表明,该方法有效削弱了冗余特征信息对诊断结果的影响,能够合理解决证据融合冲突,并切实提高了故障识别准确率,其性能明显优于单一诊断方法。
|
本文献已被 CNKI 等数据库收录! |
|