基于TLR-ADASYN平衡化数据集的MSSA-SVM变压器故障诊断

• 作者: 余松 胡东 唐超 张丞鸣 谭为民
• 来源期刊: 高电压技术
• 关键词: 电力变压器 故障诊断 不平衡类样本数据处理 MSSA-SVM Kappa系数
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 人工智能物联网技术在输配电领域的应用专题|Special Issue on Applications of Artificial Intelligence and the Internet of Things in Power Transmission and Distribution
• 页码范围: 3845-3853
• 页数: 9页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20201132

摘要

变压器的稳定运行在电力系统安全中扮演重要角色,而变压器故障数据样本的不足会对故障类型的准确识别产生严重影响.论文首先使用了托梅克链接移除和自适应样本合成的方法对原始数据进行去噪处理及少数类数据样本合成;然后修正了部分麻雀算法(sparrow search algorithm,SSA)公式,并将其与差分进化算法融合,提出了改良麻雀算法(modified sparrow search algorithm,MSSA);接着构建了一种基于平衡数据集的改良麻雀算法优化支持向量机(modified sparrow search algorithm-support vector machine,MSSA-SVM)的变压器故障诊断模型;最后对BP神经网络(BP neural network,BPNN)、粒子群优化支持向量机(particle swarm optimization-support vector machine,PSO-SVM)、麻雀算法优化支持向量机(sparrow search algorithm-support vector machine,SSA-SVM)和MSSA-SVM进行对比仿真实验.结果 显示,各类模型在使用平衡数据集后的平均准确率分别提升了3.12％、6.03％、7.58％、10.23％,验证了所提不平衡数据处理方法的有效性;另外,PSO-SVM、SSA-SVM、MSSA-SVM分别迭代了30次、26次和20次后收敛,其在测试集中Kappa系数分别为0.758、0.785和0.870,这表明了MSSA在该模型优化上具有更强的全局搜索能力.仿真结果说明在变压器数据不平衡的实际背景下,所提变压故障诊断方法具有较高的优越性.