共 21 条
- [7] 多核学习方法[J]. 汪洪桥,孙富春,蔡艳宁,陈宁,丁林阁.自动化学报. 2010(08)
PCA和KICA特征提取的变压器故障诊断模型
被引：50
作者：
唐勇波
[1
,2
]
桂卫华
[1
]
彭涛
[1
]
欧阳伟
[3
]
机构：
[1] 中南大学信息科学与工程学院
[2] 宜春学院物理科学与工程技术学院
[3] 中国瑞林工程技术有限公司
来源：
关键词：
电力变压器;
油中溶解气体分析;
故障诊断;
特征提取;
主元分析;
核独立主元分析;
多核支持向量机;
D O I：
10.13336/j.1003-6520.hve.2014.02.031
中图分类号：
TM407 [维护、检修];
学科分类号：
摘要：
为了充分利用主元分析(PCA)和核独立主元分析(KICA)特征提取的互补性,提高变压器故障分类正确率,提出了基于PCA和KICA特征提取的变压器故障诊断模型。该模型中,首先,将油中溶解气体分析(DGA)测试样本投影到PCA空间中进行特征提取,采用多核支持向量机(MKSVM)作为分类器进行预分类,采用核密度估计方法估计阈值将测试样本预分类为易识别或难识别样本;对难分类样本则再次投影到KICA空间,采用另一MKSVM作为分类器进行分类识别,实现PCA和KICA双空间特征提取算法;最后,根据故障特征,建立变压器故障诊断模型。实验结果表明,所提出的双空间算法对变压器故障的识别率达到88.61%,比单空间算法和IEC3比值法的识别率分别高10%和24%。
引用
收藏
页码：557 / 563
页数：7
相关论文