基于SVM和D-S证据理论的电力变压器内部故障部位识别

• 作者: 司马莉萍 李自品 罗晓庆 舒乃秋 黄勇
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 变压器 支持向量机 D-S证据理论 后验概率 故障部位识别 模型
• 年，卷（期）: 2012,（11）
• 所属期刊栏目: 分析与研究
• 页码范围: 72-77
• 分类号: TM411
• 字数: 5203字
• 语种: 中文

摘要

针对变压器信息融合诊断方法中难以确定基本概率分配(BPA)的缺陷,提出一种基于多支持向量机(SVM)与D-S证据理论的变压器内部故障部位识别模型.利用“一对一”多类SVM后验概率估计分配BPA,实现其赋值的客观化;充分利用变压器油中溶解气体分析数据和电气试验数据的互补信息,对变压器内部可能发生故障的部位进行诊断.实例分析表明,所提模型能有效识别故障部位,在准确率和泛化性方面都较单特征的SVM有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	舒乃秋	武汉大学电气工程学院	116	1489	22.0	32.0
2	黄勇	武汉大学电气工程学院	34	259	10.0	16.0
3	李自品	武汉大学电气工程学院	20	246	9.0	15.0
4	司马莉萍	武汉大学电气工程学院	13	202	6.0	13.0
5	罗晓庆	武汉大学电气工程学院	2	33	1.0	2.0