典型文献
基于邻域粗糙集与AMPOS-ELM的变压器DGA故障诊断
文献摘要：
基于DGA数据的智能变压器故障诊断方法准确率易受输入特征影响以及极限学习机参数选择困难的问题,提出基于邻域粗糙集与自适应变异粒子群极限学习机算法的变压器故障诊断方法.首先,结合各DGA故障诊断标准建立变压器故障初始特征集,采用邻域粗糙集分析后获得属性重要度高的关键特征指标;其次,针对粒子群算法优化极限学习机参数时容易早熟、陷入局部最优的缺陷,提出带有早熟自检变异机制的改进粒子群算法优化极限学习机;最后,通过变压器DGA数据实例诊断,将之与IEC三比值法以及不同组合的极限学习机诊断性能进行比较,表明所提方法诊断精度更高.
文献关键词：
变压器故障诊断;邻域粗糙集;改进粒子群算法;极限学习机
中图分类号：
作者姓名：
周秀;怡恺;李刚;田天;杨鑫
作者机构：
国网宁夏电力有限公司电力科学研究院,宁夏 银川 750002;宁夏电力能源科技有限公司,宁夏 银川 750002;长沙理工大学电气与信息工程学院,湖南 长沙 410114
文献出处：
引用格式：
[1]周秀;怡恺;李刚;田天;杨鑫-.基于邻域粗糙集与AMPOS-ELM的变压器DGA故障诊断)[J].电力科学与技术学报,2022(03):157-164
A类：
AMPOS
B类：
邻域粗糙集,ELM,DGA,变压器故障诊断,故障诊断方法,输入特征,参数选择,自适应变异粒子群,极限学习机算法,诊断标准,征集,属性重要度,关键特征,特征指标,算法优化,化极,早熟,局部最优,出带,自检,变异机制,改进粒子群算法,IEC,三比值法,不同组合,诊断性
AB值：
0.244512
相似文献
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。
