核主成分分析与随机森林相结合的变压器故障诊断方法

• 作者: 孙才新 李剑 杜林 胡青
• 来源期刊: 高电压技术
• 学科: 工学
• 关键词: 电力变压器 故障诊断 溶解气体分析 分类器群 随机森林 核主成分分析
• 年，卷（期）: 2010,（7）
• 页码范围: 1725-1729
• 分类号: TM855|TP835
• 字数: 4438字
• 语种: 中文

摘要

油中溶解气体分析(dissolved gas analysis,DGA)是变压器故障诊断的重要方法.变压器故障诊断研究大多采用人工智能方法学习建立单个分类器,与单个分类器相比,分类器群能够更全面地学习样本集特性,达到更好的诊断效果.分类器间的差异性是影响群体性能的主要因素,针对DGA特征量较少训练得到的分类器差异不大的问题,提出将核主成分分析(kernel principle component analysis,KPCA)与随机森林方法相结合,KPCA将样本从低维的状态空间非线性地映射到高维的核空间,在核空间用随机森林方法训练得到分类器群.对DGA故障样本以及加噪样本的诊断实验结果表明,KPCA能够有效地提取故障特征,用核特征量建模的诊断效果优于直接采用DGA特征量,分类器群的诊断效果以及抗干扰能力均高于单个分类器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙才新	重庆大学输配电装备及系统安全与新技术国家重点实验室	379	13536	63.0	93.0
2	杜林	重庆大学输配电装备及系统安全与新技术国家重点实验室	94	2866	32.0	49.0
3	李剑	重庆大学输配电装备及系统安全与新技术国家重点实验室	118	3009	33.0	48.0
4	胡青	重庆大学输配电装备及系统安全与新技术国家重点实验室	9	112	5.0	9.0