基于Bagging改进算法变压器油中气体故障诊断研究 |
| |
引用本文: | 芦佩雯,黄永晶,张恒,董凤珠.基于Bagging改进算法变压器油中气体故障诊断研究[J].机电工程技术,2020,49(4):13-15,111. |
| |
作者姓名: | 芦佩雯 黄永晶 张恒 董凤珠 |
| |
作者单位: | 成都纺织高等专科学校电气信息工程学院,成都 611731;西华大学电气与电子信息学院,成都 610039;成都纺织高等专科学校电气信息工程学院,成都 611731 |
| |
基金项目: | 教育教学改革研究项目;成都纺织高等专科学校自然科学研究项目;四川省大学生创新创业训练计划 |
| |
摘 要: | 针对变压器故障征兆与故障类型间映射关系的不确定性及模糊性问题,以变压器油中溶解气体数据作为变压器故障类型的判断依据,利用Bagging算法把弱分类器变为强分类器的特点,提出了Bagging的改进算法,并对该算法的性能进行了测试,测试结果表明该方法具有较好的分类精度。将Bagging改进算法应用到变压器油中气体故障诊断中,仿真实验结果表明,基于Bagging的改进算法优于boost集成算法及BP神经网络和支持向量机等最新方法。该方法精度达到90.67%。
|
关 键 词: | 变压器故障诊断预测 油中溶解气体 支持向量机 Bagging改进算法 集成学习 |
本文献已被 CNKI 万方数据 等数据库收录! |
|