典型文献
基于油中气体分析与类重叠特征的变压器分层故障诊断模型
文献摘要：
油中溶解气体分析可以有效识别变压器放电故障与过热故障,为提高变压器故障诊断准确度,提出一种基于类重叠特征的变压器分层故障诊断方法.首先使用支持向量数据描述(SVDD)划分出变压器故障样本数据空间的重叠区域,选择类重叠率与类重叠度作为重叠特征,分别对类重叠程度和样本点重要性进行描述,然后以类重叠率为分层标准建立分层故障诊断模型,采用分隔训练法将各诊断层的样本集分开训练,针对分类难度较大的重叠区,基于类重叠度构造二分类模糊支持向量机(FSVM)进行故障诊断.实验结果表明,相比于其他模型,所提方法具有更高的准确度.
文献关键词：
变压器故障诊断;类重叠;分层诊断;支持向量数据描述;模糊支持向量机
中图分类号：
作者姓名：
陈铁;冷昊伟;李咸善;陈一夫
作者机构：
三峡大学 水电站运行与控制湖北省重点实验室,湖北 宜昌 443000;三峡大学 电气与新能源学院,湖北 宜昌 443000
文献出处：
引用格式：
[1]陈铁;冷昊伟;李咸善;陈一夫-.基于油中气体分析与类重叠特征的变压器分层故障诊断模型)[J].中国电力,2022(07):22-32,41
A类：
B类：
中气,类重叠,故障诊断模型,油中溶解气体分析,放电故障,过热故障,变压器故障诊断,诊断准确度,故障诊断方法,支持向量数据描述,SVDD,分出,数据空间,重叠区域,重叠率,重叠度,样本点,分层标,分隔,训练法,诊断层,样本集,开训,二分类,模糊支持向量机,FSVM,分层诊断
AB值：
0.294162
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
