文献类型：期刊文章

作　　者：廖伟涵[1] 郭创新[1] 金宇[2] 龚霄[2]

LIAO Weihan;GUO Chuangxin;JIN Yu;GONG Xiao(College of Electrical and Engineering,Zhejiang University,Hangzhou 310027,Zhejiang Province,China;Guiyang Electric Power Supply Bureau,Guiyang 550002,Guizhou Province,China)

机构地区：[1]浙江大学电气工程学院,浙江省杭州市310027 [2]贵阳供电局,贵州省贵阳市550002

出　　处：《电网技术》

基　　金：国家重点研发计划资助项目(2017YFB0902600)~~

年　　份：2019

卷　　号：43

期　　号：6

起止页码：2195-2203

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：鉴于传统电力变压器故障诊断方法存在易受数据噪声影响、诊断精度较低和模型参数难以确定等问题,提出了基于四阶段数据预处理和梯度提升树的变压器故障诊断方法。首先,基于变压器油中溶解气体数据提取可充分反映变压器工况的14维特征;其次,采用四阶段数据预处理(local outlier factor、Canopy、K-Means、SMOTE),识别并替换噪声数据,获得去噪样本集;最后,构建基于梯度提升树(GBDT)的故障诊断模型,通过粒子群(PSO)算法实现模型参数的自适应寻优。通过算例中的对比实验,验证了数据预处理及模型参数寻优对故障诊断精度的提升效果;所提出方法与多类传统方法相比,故障诊断精度显著提高,证明了其有效性与实用性。

关 键 词：DGA 变压器 梯度提升树  数据挖掘 LOF CANOPY K-MEANS

分 类 号：TM721]