基于缺失数据修复的变压器在线故障诊断方法

• 作者: 叶承晋 唐剑 方响 李祥 杨翾 陈嘉宁 龙厚印
• 来源期刊: 电力系统保护与控制
• 关键词: 变压器 故障诊断 k-最邻近 k-d树 支持向量机
• 年，卷（期）: 2019,（15）
• 所属期刊栏目: 应用研究
• 页码范围: 86-92
• 页数: 7页
• 字数: 4928字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.181024

摘要

数据质量是影响变压器故障诊断正确率的重要因素.为了解决变压器油色谱在线监测数据缺失问题,提出了一种基于缺失数据修复的变压器在线故障诊断方法,利用改进k-最邻近和多分类SVM的循环迭代实现基于缺失数据的变压器故障诊断.在k-最邻近方法中,提出以相关系数的负指数为权值的曼哈顿距离来度量样本间距离.一方面用以突出强相关指标对缺失信息的影响,提高数据修复的准确性.另一方面改进的曼哈顿距离适用于基于k-d树的高效搜索策略,可以实现针对海量历史数据的快速搜索,满足在线诊断对算法实时性的需求.实例诊断的结果表明,该方法可以有效降低数据缺失对变压器故障诊断正确率的影响,有利于实现变压器故障的准确、高效在线诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶承晋	浙江大学电气工程学院	15	244	7.0	15.0
2	唐剑		3	3	1.0	1.0
3	杨翾		6	10	2.0	2.0
4	陈嘉宁		3	3	1.0	1.0
5	方响		3	8	2.0	2.0
6	李祥		2	3	1.0	1.0
7	龙厚印	浙江大学电气工程学院	1	3	1.0	1.0