不平衡学习在电力设备故障诊断中的应用

• 作者: 张慧丽 王晓燕 王涵 袁帅 赵波
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: 故障诊断 多类分类 不平衡学习 上抽样 集成学习
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 算法语言
• 页码范围: 38-40
• 页数: 3页
• 分类号: TM76
• 语种: 中文

摘要

针对电力设备中正常类数量多、故障类数量少的特点,传统分类方法不易取得较好效果.笔者提出将不平衡学习应用与故障诊断.根据数据特征引入不平衡学习算法,介绍不平衡学习算法的常用方法,即抽样、集成学习算法和融合不平衡的集成学习算法,并通过实验得到性能最好的故障诊断模型.实验结果表明,自适应合成抽样与极限随机树的融合算法(ADASYN+ET)取得了较好效果,Avg_Acc达到82.53％,G_mean达到80.74％.因此,不平衡学习在电力设备故障诊断中有较好的应用效果.