电力变压器故障诊断的k值自适应加权KNN算法研究

• 作者: 张彼德 梅婷 王涛
• 来源期刊: 湖北电力
• 学科: 工学
• 关键词: KNN算法 变压器 故障诊断
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 输变电技术
• 页码范围: 6-12
• 页数: 7页
• 分类号: TM411
• 字数: 7037字
• 语种: 中文
• DOI: 10.19308/j.hep.2020.02.002

摘要

为对变压器故障进行更有效的诊断,针对变压器故障数据数值范围广且分布不均的特点,提出了k值自适应加权K近邻算法.首先,为避免离群样本对分类结果造成影响,利用局部异常因子对样本数据进行了离群点检测,并剔除了显著离群的样本;其次,为弥补传统KNN算法k值固定的缺陷,提出根据待测样本近邻点单位面积密度来对k进行自适应取值;最后,在对待测样本进行分类时,综合考虑各近邻点到待测样本之间的欧式距离,以及待测样本与各类别样本的分布相似度来确定各近邻点权重,并应用到最终的变压器故障分类决策之中.实验结果表明:研究提出的k值自适应加权KNN算法能对变压器故障进行有效诊断,诊断准确率达91.7％,相比改良三比值法以及BPNN、SVM和传统KNN三种分类器分别提高了19.7％、12.1％、6.5％和7.4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王涛	西华大学电气与电子信息学院	30	124	7.0	10.0
2	张彼德	西华大学电气与电子信息学院	74	679	15.0	23.0
3	梅婷	西华大学电气与电子信息学院	5	0	0.0	0.0