典型文献
基于SMOTE平衡数据集的BP神经网络变压器故障诊断
文献摘要：
变压器是电力系统中的重要设备,快速准确识别变压器的不同类型故障对提高电力系统的稳定性具有重要意义.然而,故障样本不足会严重影响变压器故障诊断的准确性.为此从数据和算法两方面入手提出一种适用于不平衡数据集的变压器故障诊断方法.首先,提出了一种基于托梅克链接移除算法和合成少数类过采样技术相结合的样本均衡化方法,该方法能够在保留少数类样本数据特征情况下扩充少数类样本数量,使训练数据集中各类样本的数量达到平衡.其次,构建了基于平衡数据训练的人工蜂群算法与反向传播(Back Propagation,BP)神经网络相结合的变压器故障诊断模型,通过人工蜂群算法对BP神经网络所有节点间连接权值和阈值的优化,可以提高神经网络模型对不同类型故障诊断的准确性.最后,基于实际的变压器油样监测数据验证了所提方法的有效性和准确性.
文献关键词：
变压器;故障诊断;不平衡数据;人工蜂群算法;BP神经网络
中图分类号：
作者姓名：
祁寿贤;胡荣辉;王伟;吴梦娣;张玉勇
作者机构：
青海综合能源服务有限公司,青海 西宁 810003;烟台东方威思顿电气有限公司,山东 烟台 264003
文献出处：
引用格式：
[1]祁寿贤;胡荣辉;王伟;吴梦娣;张玉勇-.基于SMOTE平衡数据集的BP神经网络变压器故障诊断)[J].山东电力技术,2022(04):15-22
A类：
B类：
SMOTE,变压器故障诊断,电力系统,快速准确,准确识别,数据和算法,手提,不平衡数据集,故障诊断方法,移除,合成少数类过采样技术,技术相结合,样本均衡,均衡化,数据特征,样本数量,训练数据集,数据训练,人工蜂群算法,反向传播,Back,Propagation,故障诊断模型,间连接,连接权值,高神,变压器油,数据验证
AB值：
0.256633
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。
