基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为有效解决配电变压器故障诊断中面临的数据特征人工提取、机器学习调参困难等问题,提出了一种基于堆栈自编码器(SAE)和随机森林(RF)组合的配电变压器故障诊断方法.建立SAE配电变压器故障特征自动挖掘模型,利用大量的无标签数据对SAE模型中的每一个自编码器进行逐层无监督训练,通过贝叶斯优化算法自动选择模型的最优参数;通过有标签数据对模型参数进行有监督细调,挖掘出能够代表各种故障本质属性的特征量;创建一个RF分类器对故障类型进行辨识,调参过程同样实现参数的自动寻优.试验结果表明,所提方法对配电变压器故障诊断准确率达到96.67%,显著优于单独使用SAE和RF的分类结果.
推荐文章
基于RF特征优选的WOA-SVM变压器故障诊断
变压器
故障诊断
特征优选
随机森林
鲸鱼优化算法
基于自适应免疫算法的变压器故障诊断
故障诊断
免疫遗传算法
约束独立成分分析
变压器油中溶解气体
基于AdaBoost多分类算法变压器故障诊断
AdaBoost .M2
kNN分类
变压器
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于SAE-RF算法的配电变压器故障诊断方法
来源期刊 电工电气 学科 工学
关键词 配电变压器 故障诊断 堆栈自编码器 随机森林 贝叶斯优化
年,卷(期) 2021,(2) 所属期刊栏目 设计与研究
研究方向 页码范围 17-23
页数 7页 分类号 TM407|TM421
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (196)
共引文献  (35)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(9)
  • 参考文献(0)
  • 二级参考文献(9)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(10)
  • 参考文献(0)
  • 二级参考文献(10)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(16)
  • 参考文献(0)
  • 二级参考文献(16)
2014(15)
  • 参考文献(0)
  • 二级参考文献(15)
2015(25)
  • 参考文献(0)
  • 二级参考文献(25)
2016(22)
  • 参考文献(1)
  • 二级参考文献(21)
2017(43)
  • 参考文献(2)
  • 二级参考文献(41)
2018(22)
  • 参考文献(2)
  • 二级参考文献(20)
2019(8)
  • 参考文献(7)
  • 二级参考文献(1)
2020(4)
  • 参考文献(4)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
配电变压器
故障诊断
堆栈自编码器
随机森林
贝叶斯优化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电工电气
月刊
1007-3175
32-1800/TM
大16开
苏州新区滨河路永和街7号
28-184
1981
chi
出版文献量(篇)
2747
总下载数(次)
6
总被引数(次)
7236
论文1v1指导