基于线性判别分析和分步机器学习的变压器故障诊断

摘要：

为了改善当前变压器故障诊断在特征量选取和使用单一诊断模型进行故障诊断上的不足,提高变压器故障诊断的准确率和效率,提出基于线性判别分析(LDA)的特征选取方法,建立基于分步机器学习的诊断模型.该模型选取16组油中溶解气体体积分数比值的多特征参数,运用线性判别分析对参数进行降维作为输入特征向量;运用概率神经网络对变压器故障做出初步诊断,区分出易混淆故障;使用基于灰狼群算法优化的支持向量机对易混淆故障做进一步的区分.最终实验诊断准确率为97.27％,诊断时间为4.87 s.与单一机器学习模型相比,所提出的模型不仅具有更高的准确率,还具有更高的效率.实例分析表明,本研究方法能有效弥补单一机器学习的缺陷,为故障样本有限情况下的电力变压器故障诊断提供参考.

关键词：变压器、故障诊断、机器学习、特征参数、线性判别分析(LDA)

所属期刊栏目：54

分类号：TM411(变压器、变流器及电抗器)

资助基金：国家自然科学基金资助项目;国家自然科学联合基金资助项目

在线出版日期：2020-12-21（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：2266-2272