考虑不平衡案例样本的电力变压器故障诊断方法

• 作者: 侯慧娟 崔宇 江秀臣 盛戈皞 苏磊 钱涛
• 来源期刊: 高电压技术
• 关键词: 电力变压器 油中溶解气体分析 故障诊断 集成学习 层次分类 不平衡数据 神经网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能技术在输配电设备运维中的应用专题
• 页码范围: 33-41
• 页数: 9页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20191227004

摘要

针对电力变压器各故障类别间案例数量不平衡导致的神经网络等传统机器学习诊断方法准确率较低,及各故障类型之间识别效果差距大的问题,基于层次分类和集成学习的思想,构造了一种多级层次变压器故障诊断模型.该方法根据每级类别样本的不平衡程度分级建立相应的分类器,逐级深入进行诊断.第1级分类器选取神经网络,提取正常、放电故障和过热故障3种广义特征标签,并与原始参量输入进行特征融合,以引导DL/T722-2014中采用的9种更细致的状态类型分类;第2级分类器采用EasyEnsemble集成学习方法,通过欠采样生成多个数据平衡的训练子集,充分平衡了多数类和少数类故障信息,再通过并行训练子分类器合成最终分类器,避免了欠采样丢失数据信息的问题.实验结果表明:与传统诊断方法相比,所提出的方法提升了少数类故障的泛化特性,使总体准确率提升了7％,具有更准确和更平衡的电力变压器故障诊断效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江秀臣		305	4849	36.0	54.0
2	盛戈皞		146	1961	25.0	38.0
3	侯慧娟		9	190	7.0	9.0
4	崔宇		2	24	1.0	2.0
5	苏磊		2	1	1.0	1.0
6	钱涛		1	0	0.0	0.0