代价敏感相关向量机的研究及其在变压器故障诊断中的应用

摘要：

实际中不同变压器故障类型的误分引发的危害程度往往不同,仅追求正确率并不一定会带来符合实际意义的分类结果.针对此,提出了代价敏感相关向量机(CS-RVM).CS-RVM以误分代价最小为目标,按贝叶斯风险理论预测新样本类别.在用典型算例验证了CS-RVM具有代价敏感性的基础上,尝试将其应用于变压器故障诊断.基于溶解气体分析(DGA)数据的变压器故障诊断实例分析表明,CS-RVM全局诊断正确率略高于BP神经网络和支持向量机,略低于多分类相关向量机(M-RVM),但CS-RVM趋于提高误诊代价高的故障类型的诊断正确率,具有代价敏感性;CS-RVM的诊断速度足以满足变压器故障诊断的工程要求.

关键词：变压器、代价敏感学习、相关向量机、误分类代价、故障诊断

所属期刊栏目：34

分类号：TM41(变压器、变流器及电抗器)

资助基金：河北省自然科学基金资助项目E2009001392 Project supported by the Natural Science Foundation of Hebei Province E2009001392

在线出版日期：2014-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：111-115