基于混合采样与IHBA-SVM的变压器故障辨识方法

作     者：谢国民 王嘉良 Xie Guomin;Wang Jialiang

作者机构：辽宁工程技术大学电气与控制工程学院葫芦岛125105 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2022年第36卷第12期

页      面：77-85页

核心收录：

学科分类：12[管理学] 080801[工学-电机与电器] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(51974151) 辽宁省教育厅重点实验室(LJZS003)项目资助 

主　　题：变压器 故障诊断 改进蜜獾算法 平衡数据集 混合采样 

摘      要：针对变压器故障数据的不平衡性弱化故障分类能力的问题,提出混合采样与改进蜜獾算法(IHBA)优化支持向量机(SVM)的变压器故障诊断方法。首先采用K近邻去噪、K均值聚类(K-means)与合成少数类过采样(SMOTE)对数据进行混合采样处理,以缓解诊断结果向多数类的偏移;然后使用Tent映射、轮盘赌随机搜索机制和最优个体扰动策略对传统蜜獾算法(HBA)进行改进,并使用IHBA优化SVM参数,以进一步提升变压器故障辨识能力;最后对所提方法进行算例仿真,结果显示,相较于传统的变压器故障辨识方法,采用K近邻去噪、K-means、SMOTE混合采样与IHBA-SVM相结合的故障诊断模型获得了最高的宏F1和微F1值,分别达到0.877和0.886,表明提出模型不仅具有更高的整体分类能力,且更能兼顾对少数类故障的辨识。