10.3969/j.issn.1674-3814.2023.08.005
基于ADASYN平衡化数据集的POA-SVM变压器故障诊断
基于机器学习的变压器故障诊断在特定样本数据下实现了高精度的故障诊断及分类,然而对于非均衡数据集容易导致一致性降低.提出了 ADASYN-POA-SVM变压器故障诊断模型,该模型能够在保留少类样本数据特征的情况下对原始少类数据进行样本合成,使训练集中各类样本数达到均衡;鹈鹕优化(pelican optimization algorithm,POA)支持向量机(support vector machine,SVM)在实现SVM参数自动寻优的同时,还能提高整体的诊断准确度.将所提模型与反向传播(back propagation,BP)神经网络、随机森林(random forests,RF)以及SVM算法进行对比仿真实验,结果表明:经过ADASYN过采样方法处理后可以实现样本的均衡化;所提模型在迭代次数为10次时趋于收敛,相比于其他模型而言一致性最高,为99.32%,验证了所提模型在处理变压器不均衡数据时具有较高的优越性.
变压器、不平衡数据处理、变压器故障诊断、POA-SVM
39
TM85(高电压技术)
2023-10-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
36-44