典型文献
主成分分析与随机森林算法融合的变压器故障诊断方法
文献摘要：
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.
文献关键词：
DGA技术;故障诊断;比值方法;特征提取
中图分类号：
作者姓名：
陈龙谭;于虹;祁兵;李彬
作者机构：
云南电网有限责任公司电力科学研究院,云南昆明650217;华北电力大学电气与电子工程学院,北京102206
文献出处：
引用格式：
[1]陈龙谭;于虹;祁兵;李彬-.主成分分析与随机森林算法融合的变压器故障诊断方法)[J].变压器,2022(07):23-28
A类：
B类：
随机森林算法,算法融合,变压器故障诊断,故障诊断方法,故障判别,Principal,Component,Analysis,Random,Forest,RF,比值方法,分作,机器学习算法,组合模型,变压器油,油中溶解气体分析,Dissolved,Gas,DGA
AB值：
0.303043
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。
