基于正态云模型与改进贝叶斯分类器的变压器故障诊断

• 作者: 刘栋 张重远 林志锋 黄景立
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 数据挖掘 变压器 故障诊断 云模型 贝叶斯分类器
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 测量与控制
• 页码范围: 50-56
• 页数: 7页
• 分类号: TM933
• 字数: 5403字
• 语种: 中文

摘要

在基于油色谱数据的变压器故障诊断中,一般数据挖掘方法存在数值区域划分过硬,且未考虑边界元素隶属的随机性和模糊性的问题.针对该问题,文章应用正态云模型对油色谱数据集进行预处理,同时云模型对数据集的精简也提高了关联规则挖掘的效率.为了解决朴素贝叶斯分类器中对各属性独立的假设不符合实际情况这一问题,文章引入关联规则森林表示法和属性联合概率算法,改进了朴素贝叶斯分类器,建立了基于正态云模型与改进贝叶斯分类器的变压器故障诊断模型,通过与其他模型的对比及实例验证,证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张重远	华北电力大学高电压研究所	65	803	15.0	26.0
2	黄景立	国网山西省电力公司计量中心	3	14	2.0	3.0
3	林志锋	华北电力大学电气与电子学院	1	11	1.0	1.0
4	刘栋	华北电力大学电气与电子学院	1	11	1.0	1.0