基于代价敏感组合核相关向量机的电力变压器故障诊断

摘要：

组合核相关向量机可以融合多个特征空间,输出变压器隶属于各种状态的概率.将代价敏感机制融入组合核相关向量机,构建了代价敏感组合核相关向量机,该算法以误诊断代价最小为目标,按贝叶斯风险理论预测样本的故障类别,克服了传统诊断方法未考虑误诊断代价差异的问题.针对代价敏感组合核相关向量机核函数参数选取需人为设定的问题,采用K折交叉验证和粒子群算法相结合的方法寻优核函数参数.基于油中溶解气体分析(dissolved gas analysis, DGA)数据的诊断实例表明,与BP神经网络,支持向量机及组合核相关向量机算法相比,代价敏感组合核相关向量机不仅具有较高的诊断正确率,而且具有较低的误诊断代价.

关键词：电力变压器、组合核相关向量机、参数优化、代价敏感学习、DGA、故障诊断

所属期刊栏目：54

分类号：TM933

在线出版日期：2017-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：7-13