基于DGA技术和SAMME的变压器故障诊断

油中溶解气体分析(dissolved gas analysis,DGA)技术可以有效发现充油变压器内部的早期潜伏性故障,是对充油设备进行诊断的常用检测方法。CART(classification and regression trees)分类回归树是一种可处理连续属性的不平衡算法。SAMME作为Ada Boost二分类算法的延伸,可将多个略好于随机猜测的弱分类器组合提升为分类精度更高的强分类器,完成多分类任务。针对单一算法往往不能满足实际工程对分类精度的需求且高精度算法难以获得的问题,采用SAMME算法对CART弱学习器的权重根据误差不断调整,再通过加权投票将其组合提升为强分类器,并采用V折交叉验证确定SAMME-CART模型的最优迭代次数。以此提高故障诊断模型的泛化能力。实验结果表明,运用该模型结合DGA技术对变压器故障进行诊断,相比于单一CART算法,诊断准确率整体提高了18.7%,表明该方法是可行的。