基于精简集支持向量机的变压器故障检测方法

为解决变压器故障样本不易收集导致的数据不均衡问题,提出一种基于精简集约简上取样不均衡支持向量机(SVM)变压器故障检测方法。该方法首先利用广义自回归条件异方差(GARCH)模型生成变压器特征向量,然后利用精简集约简算法对少数类边界样本进行上取样,生成人工少数类样本从而实现训练样本均衡;并将该算法同其他不均衡数据取样方法进行比较。结果表明,在不同故障样本及不同不均衡比例下,该算法的检测率提高了6%~9%;此外,该算法生成后的样本不仅能代表整体结构信息,同时又兼顾不同样本组合的局部空间结构信息;因此该算法能有效提高SVM算法在不均衡数据情况下变压器的故障检测性能。