基于四阶段预处理与GBDT的油浸式变压器故障诊断方法

鉴于传统电力变压器故障诊断方法存在易受数据噪声影响、诊断精度较低和模型参数难以确定等问题,提出了基于四阶段数据预处理和梯度提升树的变压器故障诊断方法。首先,基于变压器油中溶解气体数据提取可充分反映变压器工况的14维特征;其次,采用四阶段数据预处理(local outlier factor、Canopy、K-Means、SMOTE),识别并替换噪声数据,获得去噪样本集;最后,构建基于梯度提升树(GBDT)的故障诊断模型,通过粒子群(PSO)算法实现模型参数的自适应寻优。通过算例中的对比实验,验证了数据预处理及模型参数寻优对故障诊断精度的提升效果;所提出方法与多类传统方法相比,故障诊断精度显著提高,证明了其有效性与实用性。