首页 | 本学科首页   官方微博 | 高级检索  
     

基于样本集成学习和SO-SVM的变压器故障诊断
引用本文:刘可真,姚岳,赵现平,杨春昊,盛戈皞,王科. 基于样本集成学习和SO-SVM的变压器故障诊断[J]. 电机与控制应用, 2023, 50(12): 21-31
作者姓名:刘可真  姚岳  赵现平  杨春昊  盛戈皞  王科
作者单位:1.昆明理工大学 电力工程学院,云南 昆明650500;2.云南电网有限责任公司,云南 昆明650200;3.上海交通大学 电气工程系,上海200240;4.云南电网有限责任公司电力科学研究院,云南 昆明650217
基金项目:云南省教育厅科学研究基金资助项目(2022J1279);云南电网有限责任公司科技项目(YNKJXM20180736)
摘    要:针对变压器故障样本类别不平衡造成分类模型准确率偏低的问题,提出一种基于样本集成学习和蛇优化算法(SO)优化支持向量机(SVM)的变压器故障诊断模型。该模型先利用EasyEnsemble采样器对样本进行多次欠采样后生成类别平衡的多个子集;然后以Bagging策略训练SO优化关键参数后的SVM模型,综合各个分类器结果得到最终故障类型。通过算例对所提模型有效性进行验证,数据表明,SO-SVM的故障诊断相比于RF、SVM、KNN等模型,诊断准确率分别提高了3.44%、6.89%、10.92%,AUC值分别提高了0.026 4、0.042 5、0.081 2;在同一分类器下,SO-SVM模型相比于SMOTE和ADASYN样本平衡方法,诊断准确率分别提高了4.59%、2.87%,说明SO-SVM模型对不平衡样本的故障诊断能力更优。

关 键 词:变压器  样本集成学习  故障诊断  蛇优化算法
收稿时间:2023-06-28
修稿时间:2023-08-28

Transformer Fault Diagnosis Based on Sample Integration Learning and SO-SVM
LIU Kezhen,YAO Yue,ZHAO Xianping,YANG Chunhao,SHENG Gehao,WANG Ke. Transformer Fault Diagnosis Based on Sample Integration Learning and SO-SVM[J]. Electric Machines & Control Application, 2023, 50(12): 21-31
Authors:LIU Kezhen  YAO Yue  ZHAO Xianping  YANG Chunhao  SHENG Gehao  WANG Ke
Affiliation:1.Faculty of Electric Power Engineering, Kunming University of Science and Technology, Kunming 650500, China;2.Yunnan Power Grid Co., Ltd., Kunming 650200, China;3.Shanghai Jiaotong University, School of Electronic Information and Electrical Engineering, Shanghai 200240, China; 4.Electric Power Research Institute of Yunnan Power Grid Co., Ltd., Kunming 650217, China
Abstract:
Keywords:transformer   sample ensemble learning   fault diagnosis   snake optimization algorithm
点击此处可从《电机与控制应用》浏览原始摘要信息
点击此处可从《电机与控制应用》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号