检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于高斯过程分类器的变压器故障诊断

电工技术学报 2013年第1期28卷 158-164页

作者：尹金良朱永利俞国勤邵宇鹰关宏华北电力大学电气与电子工程学院保定071003 上海电力公司上海200025

构建了基于拉普拉斯近似方法的高斯过程分类器(LGPC)。LGPC可自行优化超参数,以概率形式输出分类结果,便于问题的不确定性分析,从而克服SVM规则化系数、核函数参数确定困难等局限。在用典型分类数据验证LGPC在分类性能方面优于SVM的基础... 详细信息

构建了基于拉普拉斯近似方法的高斯过程分类器(LGPC)。LGPC可自行优化超参数,以概率形式输出分类结果,便于问题的不确定性分析,从而克服SVM规则化系数、核函数参数确定困难等局限。在用典型分类数据验证LGPC在分类性能方面优于SVM的基础上,提出了基于LGPC的变压器故障诊断方法,并给出了其具体实现方法。通过工程实例验证了均值函数采用常函数、协方差函数采用全平方指数函数、似然函数采用误差函数时,故障诊断的正确率较高。同基于SVM的故障诊断方法相比,本文所提方法可以取得更高的故障诊断正确率,具有可行性和推广性。

关键词：高斯过程分类器拉普拉斯近似支持向量机变压器故障诊断

在线全文

学校读者我要写书评

暂无评论

代价敏感VBGP在变压器故障诊断中的应用

电工技术学报 2014年第3期29卷 222-227,236页

作者：尹金良朱永利郑晓雨王国强华北电力大学电气与电子工程学院保定071003 天津理工大学自动化学院天津300384 国家电力调度控制中心北京100031

现有变压器诊断方法默认各种误诊代价相同,以全局误诊率最低为目标,而实际问题中误诊代价通常存在差异,不同类型的误诊造成的损失往往不同。针对此提出了代价敏感变分贝叶斯高斯过程(CS-VBGP),并将其应用于变压器故障诊断。该方法将代... 详细信息

现有变压器诊断方法默认各种误诊代价相同,以全局误诊率最低为目标,而实际问题中误诊代价通常存在差异,不同类型的误诊造成的损失往往不同。针对此提出了代价敏感变分贝叶斯高斯过程(CS-VBGP),并将其应用于变压器故障诊断。该方法将代价敏感机制引入变分贝叶斯高斯过程,以误诊代价最小为目标,按贝叶斯风险理论预测新样本的类别,克服了仅追求低误诊率并不一定会带来符合实际意义的诊断结果的问题。变压器故障诊断实例分析表明,CS-VBGP有较高的诊断正确率,趋于提高高误诊代价类别的诊断正确率,具有代价敏感性,诊断速度足以满足变压器故障诊断的工程需求。

关键词：高斯过程误诊代价代价敏感学习变压器故障诊断

在线全文

学校读者我要写书评

暂无评论

基于DGA的变压器故障诊断多专家融合策略

电力系统自动化 2005年第18期29卷 80-84页

作者：梁小冰王耀龙黄萍韩昆仑广西大学电气工程学院广西壮族自治区南宁市530004 西安交通大学电气工程学院陕西省西安市710049

介绍了基于油中溶解气体分析(DGA)的电力变压器故障综合诊断。采用的诊断判据主要包括改良三比值法、大卫三角形法、神经网络和范例推理。在多专家(多诊断判据)的参与下,可能出现诊断结果相互冲突的问题,而如何融合不同诊断判据下的诊... 详细信息

介绍了基于油中溶解气体分析(DGA)的电力变压器故障综合诊断。采用的诊断判据主要包括改良三比值法、大卫三角形法、神经网络和范例推理。在多专家(多诊断判据)的参与下,可能出现诊断结果相互冲突的问题,而如何融合不同诊断判据下的诊断结果仍是一个难点。为解决这一问题,在把各诊断结果分解为放电和过热故障的基础上,引入了多专家加权投票策略(加权多数算法)。权重系数根据各诊断判据的诊断正确率初步确定。实践证明了该方法的可行性。

关键词：变压器故障诊断油中溶解气体分析(DGA) 多专家诊断加权多数算法在线监测

在线全文

学校读者我要写书评

暂无评论

变压器故障诊断智能方法研究

变压器故障诊断智能方法研究

作者：张莹莹华北电力大学(北京)

学位级别：硕士

变压器是输变电设备中的重要组成部分,一旦出现故障可能会造成大面积范围停电,变压器能否正常运行是关系到电力系统是否安全运行的关键。如何有效的对变压器故障进行诊断是当今重要的研究课题。论文在研究变压器故障类型和油中气体含量... 详细信息

变压器是输变电设备中的重要组成部分,一旦出现故障可能会造成大面积范围停电,变压器能否正常运行是关系到电力系统是否安全运行的关键。如何有效的对变压器故障进行诊断是当今重要的研究课题。论文在研究变压器故障类型和油中气体含量关系的基础上,分析国内外对变压器故障诊断研究现状,针对不足之处,提出了基于极限学习机的变压器故障诊断方法,通过仿真实验验证了模型的有效性,并对模型进行参数优化,得到更高的分类精度。主要研究工作包括:1.在研究变压器的结构和机理的基础上,分析了变压器故障和油中气体成分关系,并针对变压器状态数据采用基于时间序列的方法对故障数据进行筛选和预处理;2.提出基于在线序列极限学习机算法的变压器故障诊断模型,改进了极限学习机算法的不足,通过实例分析了不同参数对诊断模型准确率的影响,验证了模型的有效性;3.分析了在线序列极限学习机在故障诊断模型中存在参数设置问题,通过引入粒子群算法优化在线序列极限学习机,得到了优化的在线序列极限学习机故障诊断模型;并通过实验验证了优化模型的效果。

关键词：变压器故障诊断极限学习机粒子群优化

基于LSSVM概率输出与证据理论融合的变压器故障诊断

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

河海大学学报（自然科学版） 2014年第5期42卷 465-470页

作者：朱克东郑建勇梅军梅飞东南大学电气工程学院江苏南京210096

为了利用相对较少的故障数据样本对变压器主要故障类型进行较准确的判断,基于智能互补和数据融合的思想,提出基于最小二乘支持向量机LSSVM(least square support vector machine)概率输出与证据理论融合的故障诊断方法。该诊断方法具有... 详细信息

为了利用相对较少的故障数据样本对变压器主要故障类型进行较准确的判断,基于智能互补和数据融合的思想,提出基于最小二乘支持向量机LSSVM(least square support vector machine)概率输出与证据理论融合的故障诊断方法。该诊断方法具有以下特点:可融合蕴含变压器运行状态的多种特征信息,输出变压器各种故障的概率,为变压器检修提供更多的可用信息;充分发挥了LSSVM在小样本情况下具有较强泛化能力的优势。算例结果表明,该诊断方法的故障诊断准确率达到91.1%,优于传统的IEC三比值法(故障诊断准确率75.6%)及LSSVM分类法(故障诊断准确率82.2%),有效降低了诊断误判的风险。

关键词：变压器故障诊断证据理论最小二乘支持向量机概率输出油中溶解气体分析

在线全文

学校读者我要写书评

暂无评论

一种基于改进RVM变压器故障诊断新方法

辽宁工程技术大学学报（自然科学版） 2017年第9期36卷 964-970页

作者：付华齐致任仁辽宁工程技术大学电气与控制工程学院辽宁葫芦岛125105 国网辽宁省电力有限公司葫芦岛供电公司辽宁葫芦岛125105 国网辽宁省电力有限公司朝阳供电公司辽宁朝阳122000

对比于支持向量机(SVM),相关向量机(RVM)在分类性能方面优势明显.引入核主成分分析(KPCA)和量子粒子群算法(QPSO)对RVM电力变压器故障诊断模型进行优化.设定标准化的变压器主要特征气体含量为输入量,以二叉树的分类方法建立基于KPCA-QPS... 详细信息

对比于支持向量机(SVM),相关向量机(RVM)在分类性能方面优势明显.引入核主成分分析(KPCA)和量子粒子群算法(QPSO)对RVM电力变压器故障诊断模型进行优化.设定标准化的变压器主要特征气体含量为输入量,以二叉树的分类方法建立基于KPCA-QPSO-RVM的变压器故障诊断模型.通过实例分析,并且与SVM、RVM方法对比,证明该方法可以取得更优秀的故障诊断精确率,相关向量个数明显少于支持向量个数,诊断速度显著提高.

关键词：相关向量机(RVM) 核主成分分析(KPCA) 量子粒子群算法(QPSO) 变压器故障诊断

改进Dempster-Shafer证据与概率模型集成的变压器故障诊断

在线全文

学校读者我要写书评

暂无评论

电力系统及其自动化学报 2024年第9期36卷 142-150页

作者：刘超刘洋韩刚多布杰米玛平措吴莹国网西藏电力有限公司电力科学研究院拉萨850010

针对单个变压器故障诊断模型准确率有限的问题,提出基于kappa系数改进Dempster-Shafer(D-S)证据理论与概率模型集成的变压器故障诊断方法。首先,分别构建基于概率输出的支持向量机、贝叶斯神经网络、深度信念网络的变压器故障诊断概率模... 详细信息

针对单个变压器故障诊断模型准确率有限的问题,提出基于kappa系数改进Dempster-Shafer(D-S)证据理论与概率模型集成的变压器故障诊断方法。首先,分别构建基于概率输出的支持向量机、贝叶斯神经网络、深度信念网络的变压器故障诊断概率模型,拟合诊断模型在样本上的基本概率分配函数。然后,建立D-S证据理论信息集成框架,提出基于kappa系数与准确率权重的证据修正方法,从子模型与故障类型两个角度对证据进行修正,进而融合概率模型诊断结果。最后,通过仿真验证本文所提方法的有效性。

关键词：溶解气体分析变压器故障诊断概率模型 Dempster-Shafer证据理论 kappa系数

基于多分类相关向量机的变压器故障诊断新方法

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2013年第5期41卷 77-82页

作者：尹金良朱永利俞国勤华北电力大学电气与电子工程学院河北保定071003 上海电力公司上海200025

变压器故障诊断本质为多分类问题,具有故障样本数据少,故障不确定因素多的特点。现有变压器故障诊断方法中,贝叶斯网络(BN)需要大量样本数据且计算量大,支持向量机(SVM)存在规则化系数确定困难的局限。针对此现状,提出基于多分类相关向... 详细信息

变压器故障诊断本质为多分类问题,具有故障样本数据少,故障不确定因素多的特点。现有变压器故障诊断方法中,贝叶斯网络(BN)需要大量样本数据且计算量大,支持向量机(SVM)存在规则化系数确定困难的局限。针对此现状,提出基于多分类相关向量机(M-RVM)的变压器故障诊断新方法。该方法以变压器溶解气体含量比值作为M-RVM模型的输入,采用快速type-Ⅱ最大似然(Fast Type-ⅡML)和最大期望估计(EM)的方法进行模型推断,诊断输出为各故障类别的概率,以概率最大的故障类别作为诊断结果。实例分析表明该方法诊断速度较快,能满足工程需要,同基于BN和SVM的变压器故障诊断方法相比,具有较高的诊断正确率。

关键词：多分类相关向量机贝叶斯网络支持向量机变压器故障诊断

基于ADASYN平衡化数据集的POA-SVM变压器故障诊断

在线全文

学校读者我要写书评

暂无评论

电网与清洁能源 2023年第8期39卷 36-44页

作者：刘迪迪王洋刘辉乾李华强朱庆东西安工程大学电子信息学院陕西西安710048 西安市电气设备互联感知与智能诊断重点实验室陕西西安710048 西安交通大学电力设备电气绝缘国家重点实验室陕西西安710049 国网山东省电力公司电力科学研究院山东济南250001

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... 详细信息

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。

关键词：变压器不平衡数据处理变压器故障诊断 POA-SVM