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:
当前变压器故障诊断主要采用油中气体分析法(IEC三比值法),在实际应用中诊断的准确率偏低,只有80%左右.通过将机器学习与变压器故障诊断相结合,搭建了故障诊断模型,同时采用集成学习,综合多个基分类器,将故障识别的准确率提高到了92.5%.
推荐文章
GEP在变压器故障诊断中的应用
电力变压器
故障诊断
基因表达式程序设计
神经网络在变压器故障诊断中的应用研究
变压器
神经网络
故障诊断
神经网络在变压器故障诊断中的比较研究
BP神经网络
遗传算法
变压器
故障诊断
支持向量机在电力变压器故障诊断中的应用
变压器
故障诊断
溶解气体分析
支持向量机
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 机器学习在变压器故障诊断中的应用
来源期刊 河北电力技术 学科
关键词 机器学习 支持向量机 变压器 故障诊断
年,卷(期) 2021,(4) 所属期刊栏目 技术应用|Technolagy Application
研究方向 页码范围 35-38
页数 4页 分类号 TM411
字数 语种 中文
DOI 10.3969/j.issn.1001-9898.2021.04.009
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (20)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1985(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)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(3)
  • 参考文献(2)
  • 二级参考文献(1)
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
机器学习
支持向量机
变压器
故障诊断
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
河北电力技术
双月刊
1001-9898
13-1082/TM
大16开
河北省石家庄市体育南大街238号
1982
chi
出版文献量(篇)
2635
总下载数(次)
9
总被引数(次)
8762
论文1v1指导