10.3969/j.issn.1003-8930.2018.03.005
RVM和ANFIS用于变压器故障诊断及状态评估
为了提高变压器故障诊断的准确率和效率,合理评估变压器的状态,本文采用相关向量机RVM先对变压器的过热和放电故障进行划分.用自适应神经模糊推理系统进一步对故障进行分类,并对故障隶属概率进行估计.实验结果表明:本文方法有很强的学习能力和特征提取能力;尤其对于存在重叠区的故障特征,用模糊集和隶属度的方法能够输出故障类型概率,对状态评估进行决策辅助;诊断率高达96.15%,且运算效率高;跟支持向量机、人工神经网络方法相比,有更好的效率和更高的准确率.
变压器状态评估、溶解气体分析、相关向量机、自适应神经模糊推理系统、故障诊断
30
TM315(电机)
国家自然科学基金资助项目61102039;教育部新世纪优秀人才支持计划资助项目NCET-11-0130;湖南省自然科学基金资助项目14JJ7029
2018-05-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
35-41