近邻成分分析和k近邻学习融合的变压器不平衡样本故障诊断 |
| |
作者姓名: | 李雅欣 侯慧娟 张立静 胥明凯 盛戈皞 江秀臣 |
| |
作者单位: | 上海交通大学电气工程系,上海200240;国网山东省电力公司,济南250002 |
| |
基金项目: | 国家自然科学基金;上海交通大学新进青年教师启动计划 |
| |
摘 要: | 在基于机器学习的电力变压器故障诊断方法中,各故障类别间案例数量不平衡会导致诊断准确率降低.为了提升电力变压器故障诊断模型的准确率及运行效率,构建了融合引入修正因子的近邻成分分析和k近邻学习的故障诊断模型.首先,通过对近邻成分分析算法(neighborhood component analysis,NCA)目标函数引入修...
|
关 键 词: | 故障诊断 近邻成分分析 度量学习 k近邻 贝叶斯优化 变压器 |
本文献已被 CNKI 万方数据 等数据库收录! |
|