采用遗传算法优化装袋分类回归树组合算法的变压器故障诊断

传统的变压器故障诊断方法依靠经验,不能很好地反映故障特征和模式之间的深刻联系,诊断准确度不高。为此,采用遗传算法(GA)对装袋分类回归树组合(Bagging-CART)算法进行了优化,优化后的算法可有效提高变压器故障诊断准确度。该算法在油中溶解气体分析(DGA)技术的基础上,以分类回归树(CART)算法作为基分类器,并采用装袋(Bagging)算法对CART算法进行集成,得到Bagging-CART强分类器。鉴于Bagging算法在集成过程中会生成相似甚至相同的基分类器,从而影响强分类器的泛化能力,故进一步利用遗传算法寻找最优基分类器组合进行了选择性集成。实验结果表明:单一CART算法的故障诊断准确度为83.33%;Bagging-CART全集成算法的故障诊断准确度为88.67%;而遗传算法优化Bagging-CART算法的故障诊断准确度可达91.33%,故障诊断准确度得到了提升。