基于粗糙集与支持向量机的变压器故障诊断

被引：8

作者：

吴立帅 ^{[1
,2
]}

葛玻 ^{[1
,3
]}

宋书中 ^{[1
]}

机构：

[1] 河南科技大学

[2] 大唐洛阳热电厂

[3] 洛阳理工学院

来源：

电源技术 | 2014年 / 38卷 / 04期

关键词：

变压器; 故障诊断; 支持向量机; 粗糙集; 约简集选择;

D O I：

暂无

中图分类号：

TM407 [维护、检修];

学科分类号：

080801 ;

摘要：

提出了一种基于支持向量机、粗糙集和属性约简集选择的变压器故障诊断方法,以二值分类法为基础,构建了基于支持向量机的多值分类器。利用领域知识对变压器连续性色谱数据进行离散化,采用粗糙集进行约简,并用约简集选择算法提取其重要特征子集,建立特征气体比值与故障类型的映射关系,采用粒子群算法对支持向量机核参数进行优化,达到了故障诊断的目的。仿真结果表明,该方法对变压器故障诊断具有较高的诊断率。

引用

收藏

页码：768 / 770

页数：3

相关论文

共 12 条

[1] 基于云理论的电力变压器绝缘状态评估方法 [J].

张镱议 ;

廖瑞金 ;

杨丽君 ;

郑含博 ;

孙才新 .

电工技术学报, 2012, 27 (05) :13-20

[2] 基于知识库的电力变压器故障诊断专家系统 [J].

刘守明 ;

胡志坤 ;

王美玲 .

计算机测量与控制, 2011, (07) :1569-1571+1574

[3] 基于改进粒子群优化LS-SVM的变压器故障气体预测 [J].

沙立成 ;

宋珺 .

华北电力大学学报(自然科学版), 2011, 38 (01) :35-38

[4] 粗糙集与支持向量机在肝炎诊断中的应用 [J].

王刚 ;

刘元宁 ;

陈慧灵 ;

董浩 ;

朱晓冬 .

吉林大学学报(工学版), 2011, 41 (01) :160-164

[5] 基于DGA的改进BP神经网络的变压器故障诊断方法 [J].

李霜 ;

王朗珠 ;

张为 ;

张琢 .

变压器, 2010, 47 (12) :61-65

[6] 改进粒子群优化神经网络在变压器故障诊断中的应用 [J].

贾嵘 ;

李宏斌 ;

康会西 ;

洪刚 .

高压电器, 2010, 46 (05) :14-17+21

[7] 基于SVM多分类法的变压器油中溶解气体故障诊断 [J].

张哲 ;

朱永利 ;

武中利 ;

韩凯 .

变压器, 2010, 47 (03) :59-62+69

[8] 粗糙集和BP神经网络在变压器故障诊断中的应用 [J].

张景明 ;

刘建国 .

变压器, 2009, 46 (04) :18-21

[9] 基于粗糙集与支持向量机的变压器故障诊断法 [J].

蒋延军 ;

倪远平 .

高电压技术, 2008, (08) :1755-1760

[10] 基于粗糙集与支持向量机的变压器故障诊断 [J].

臧宏志 ;

俞晓冬 .

变压器, 2008, (08) :61-65