典型文献
采用机器学习的变压器分层故障诊断
文献摘要：
油中溶解气体分析DGA(dissolved gas analysis)是进行变压器故障诊断的重要依据.针对传统变压器故障诊断未能有效利用特征气体与不同故障类型之间的相关性大小,对特征气体进行筛选,以致出现故障诊断结果不准确的问题,文章基于变压器分层故障诊断的方法,提出了利用卡方检验在每个故障诊断层中选取最优气体,剔除冗余气体,并采用不同机器学习分类器对所选择的最优气体进行分类的新方案.进行交叉验证后的结果表明,卡方检验能够有效提取特征气体,采用不同分类器进行分层故障诊断的效果优于用单个分类器对小类故障直接诊断.
文献关键词：
油浸变压器;溶解气体分析;卡方检验;分层诊断;机器学习
中图分类号：
作者姓名：
王子鉴;秦瑜瑞;李景丽
作者机构：
郑州大学电气工程学院,郑州 450001;国网河南省电力公司郑州供电公司,郑州 450000
文献出处：
引用格式：
[1]王子鉴;秦瑜瑞;李景丽-.采用机器学习的变压器分层故障诊断)[J].电力系统及其自动化学报,2022(07):20-25
A类：
B类：
油中溶解气体分析,DGA,dissolved,gas,analysis,变压器故障诊断,特征气体,故障类型,诊断结果,卡方检验,诊断层,机器学习分类器,新方案,交叉验证,有效提取,提取特征,接诊,油浸变压器,分层诊断
AB值：
0.267792
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。
