主成分分析与随机森林算法融合的变压器故障诊断方法

• 作者: 陈龙谭 于虹 祁兵 李彬
• 学科: 工学
• 关键词: DGA技术 故障诊断 比值方法 特征提取
• 年，卷（期）: 2022,（7）
• 所属期刊栏目: 专题综述
• 页码范围: 23-24
• 页数: 1页
• 分类号: TM406
• 语种: 中文

摘要

为了提高变压器故障判别的精准率，提出一种基于主成分分析(Principal Component Analysis,PCA)和随机森林（Random Forest，RF)算法的变压器故障诊断方法，并采用各原始气体特征间比值方法，使用PCA消除变量间相关性，经过调参优选8个主成分作为RF模型的输入进行变压器故障的判别。试验结果表明，相比较5个原始气体特征和一些传统单一的机器学习算法，经过特征提取和使用PCA-RF的组合模型，对于变压器油中溶解气体分析（Dissolved Gas Analysis，DGA)数据故障的诊断有着更高的准确率。