作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在变压器故障诊断中,通常不具备大量的故障样本,制约了故障诊断技术向智能化方向发展.而基于统计学习理论的支持向量机(SVM)方法可以很好地克服这方面的不足,为变压器故障诊断技术向智能化发展提供了新的途径.讨论了SVM在变压器故障诊断领域中应用的分类算法;建立了基于SVM的变压器故障诊断模型;文末比较了BP神经网络建立的系统所取得的拟合效果,比较结果表明:采用SVM设计的系统结构简单、思路清晰且能取得更为理想的结果.
推荐文章
基于DGA支持向量机的变压器故障诊断
DGA
支持向量机
变压器
故障诊断
参数优化
SVM模型
基于支持向量机的变压器故障诊断
变压器
故障诊断
K均值聚类
支持向量机
基于粗糙集与支持向量机的变压器故障诊断
变压器
故障诊断
支持向量机
粗糙集
支持向量机在电力变压器故障诊断中的应用
变压器
故障诊断
溶解气体分析
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的变压器故障诊断
来源期刊 中国电业(技术版) 学科 工学
关键词 支持向量机(SVM) 故障诊断 BP神经网络
年,卷(期) 2011,(11) 所属期刊栏目 电网技术
研究方向 页码范围 1-4
页数 分类号 TM407
字数 3035字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (1923)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (8)
二级引证文献  (5)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(5)
  • 参考文献(0)
  • 二级参考文献(5)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(5)
  • 参考文献(0)
  • 二级参考文献(5)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(3)
  • 参考文献(3)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(3)
  • 引证文献(2)
  • 二级引证文献(1)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
支持向量机(SVM)
故障诊断
BP神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国电业(技术版)
月刊
1002-1140
11-1375/TM
16开
北京市
2011
chi
出版文献量(篇)
1725
总下载数(次)
4
论文1v1指导