高电压技术
高電壓技術
고전압기술
HIGH VOLTAGE ENGINEERING
2014年
2期
557-563
,共7页
唐勇波%桂卫华%彭涛%欧阳伟
唐勇波%桂衛華%彭濤%歐暘偉
당용파%계위화%팽도%구양위
电力变压器%油中溶解气体分析%故障诊断%特征提取%主元分析%核独立主元分析%多核支持向量机
電力變壓器%油中溶解氣體分析%故障診斷%特徵提取%主元分析%覈獨立主元分析%多覈支持嚮量機
전력변압기%유중용해기체분석%고장진단%특정제취%주원분석%핵독립주원분석%다핵지지향량궤
power transformer%dissolved gas analysis%fault diagnosis%feature extraction%principal component analysis%kernel independent component analysis%multiple-kernel support vector machine
为了充分利用主元分析(PCA)和核独立主元分析(KICA)特征提取的互补性,提高变压器故障分类正确率,提出了基于PCA和KICA特征提取的变压器故障诊断模型.该模型中,首先,将油中溶解气体分析(DGA)测试样本投影到PCA空间中进行特征提取,采用多核支持向量机(MKSVM)作为分类器进行预分类,采用核密度估计方法估计阈值将测试样本预分类为易识别或难识别样本;对难分类样本则再次投影到KICA空间,采用另一MKSVM作为分类器进行分类识别,实现PCA和KICA双空间特征提取算法;最后,根据故障特征,建立变压器故障诊断模型.实验结果表明,所提出的双空间算法对变压器故障的识别率达到88.61％,比单空间算法和IEC3比值法的识别率分别高10％和24％.
為瞭充分利用主元分析(PCA)和覈獨立主元分析(KICA)特徵提取的互補性,提高變壓器故障分類正確率,提齣瞭基于PCA和KICA特徵提取的變壓器故障診斷模型.該模型中,首先,將油中溶解氣體分析(DGA)測試樣本投影到PCA空間中進行特徵提取,採用多覈支持嚮量機(MKSVM)作為分類器進行預分類,採用覈密度估計方法估計閾值將測試樣本預分類為易識彆或難識彆樣本;對難分類樣本則再次投影到KICA空間,採用另一MKSVM作為分類器進行分類識彆,實現PCA和KICA雙空間特徵提取算法;最後,根據故障特徵,建立變壓器故障診斷模型.實驗結果錶明,所提齣的雙空間算法對變壓器故障的識彆率達到88.61％,比單空間算法和IEC3比值法的識彆率分彆高10％和24％.
위료충분이용주원분석(PCA)화핵독립주원분석(KICA)특정제취적호보성,제고변압기고장분류정학솔,제출료기우PCA화KICA특정제취적변압기고장진단모형.해모형중,수선,장유중용해기체분석(DGA)측시양본투영도PCA공간중진행특정제취,채용다핵지지향량궤(MKSVM)작위분류기진행예분류,채용핵밀도고계방법고계역치장측시양본예분류위역식별혹난식별양본;대난분류양본칙재차투영도KICA공간,채용령일MKSVM작위분류기진행분류식별,실현PCA화KICA쌍공간특정제취산법;최후,근거고장특정,건립변압기고장진단모형.실험결과표명,소제출적쌍공간산법대변압기고장적식별솔체도88.61％,비단공간산법화IEC3비치법적식별솔분별고10％화24％.
