基于Bagging改进算法变压器油中气体故障诊断研究

• 作者: 张恒 芦佩雯 董凤珠 黄永晶
• 来源期刊: 机电工程技术
• 学科: 工学
• 关键词: 变压器故障诊断预测 油中溶解气体 支持向量机 Bagging改进算法 集成学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 研究与开发
• 页码范围: 13-15,111
• 页数: 4页
• 分类号: TM41
• 字数: 3808字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9492.2020.04.005

摘要

针对变压器故障征兆与故障类型间映射关系的不确定性及模糊性问题,以变压器油中溶解气体数据作为变压器故障类型的判断依据,利用Bagging算法把弱分类器变为强分类器的特点,提出了Bagging的改进算法,并对该算法的性能进行了测试,测试结果表明该方法具有较好的分类精度.将Bagging改进算法应用到变压器油中气体故障诊断中,仿真实验结果表明,基于Bagging的改进算法优于boost集成算法及BP神经网络和支持向量机等最新方法.该方法精度达到90.67％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄永晶	成都纺织高等专科学校电气信息工程学院	11	34	4.0	5.0
2	董凤珠	成都纺织高等专科学校电气信息工程学院	2	0	0.0	0.0
3	芦佩雯	成都纺织高等专科学校电气信息工程学院	2	0	0.0	0.0
5	张恒	成都纺织高等专科学校电气信息工程学院	2	0	0.0	0.0