代价敏感相关向量机的研究及其在变压器故障诊断中的应用

被引：15

作者：

尹金良 ^{[1
]}

刘玲玲 ^{[2
]}

机构：

[1] 天津理工大学自动化学院

[2] 天津理工大学工程训练中心

来源：

电力自动化设备 | 2014年 / 34卷 / 05期

关键词：

变压器; 代价敏感学习; 相关向量机; 误分类代价; 故障诊断;

D O I：

暂无

中图分类号：

TM407 [维护、检修];

学科分类号：

080801 ;

摘要：

实际中不同变压器故障类型的误分引发的危害程度往往不同,仅追求正确率并不一定会带来符合实际意义的分类结果。针对此,提出了代价敏感相关向量机(CS-RVM)。CS-RVM以误分代价最小为目标,按贝叶斯风险理论预测新样本类别。在用典型算例验证了CS-RVM具有代价敏感性的基础上,尝试将其应用于变压器故障诊断。基于溶解气体分析(DGA)数据的变压器故障诊断实例分析表明,CS-RVM全局诊断正确率略高于BP神经网络和支持向量机,略低于多分类相关向量机(M-RVM),但CS-RVM趋于提高误诊代价高的故障类型的诊断正确率,具有代价敏感性;CS-RVM的诊断速度足以满足变压器故障诊断的工程要求。

引用

页码：111 / 115

页数：5

共 9 条

[1] Fault diagnosis of power transformer based on support vector machine with genetic algorithm [J].