基于Adaboost算法的变压器故障诊断

下载PDF

导出

摘要 DGA技术能够及时探查到充油型设备在使用过程中不易发现的隐性问题,k近邻算法是一种惰性分类算法,但是单一故障诊断算法准确性无法满足实际工程需求。为了提高变压器故障诊断精确性,本文用Adaboost算法对k近邻算法进行提升,并对Adaboost算法进行延伸,从而发展出了Adaboost.M2-kNN算法,能够处理多类分类任务。试验发现利用Adaboost.M2-kNN算法能够有效提高变压器故障诊断的准确性,该方法逐步应用于工程实践中。

作者李文君子王梦沈

机构地区国网陕西省电力公司西咸新区供电公司

出处《山东工业技术》 2018年第22期134-134,共1页 Journal of Shandong Industrial Technology

关键词变压器 KNN算法 ADABOOST算法故障诊断实例分析

分类号 TM407 [电气工程—电器]

引文网络
相关文献

参考文献5

1魏雪倩,黄新波,李文君子,吴孟魁.基于AdaBoost多分类算法变压器故障诊断[J].西安工程大学学报,2016,30(2):207-211. 被引量：10
2黄新波,李文君子,宋桐,王岩妹.采用遗传算法优化装袋分类回归树组合算法的变压器故障诊断[J].高电压技术,2016,42(5):1617-1623. 被引量：45
3刘景艳,王福忠,杨占山.基于RBF神经网络和自适应遗传算法的变压器故障诊断[J].武汉大学学报（工学版）,2016,49(1):88-93. 被引量：29
4苑津莎,张利伟,李中,张英慧.基于互补免疫算法的变压器故障诊断[J].电工技术学报,2015,30(24):67-75. 被引量：21
5吕忠,周强,周琨,陈立,申双葵.基于遗传算法改进极限学习机的变压器故障诊断[J].高压电器,2015,51(8):49-53. 被引量：32

二级参考文献91

1谢春娣,梅家斌.遗传算法在神经网络权值优化中的应用[J].中南民族大学学报（自然科学版）,2001,20(z1):1-3. 被引量：6
2章剑光,周浩,项灿芳.基于Super SAB神经网络算法的主变压器故障诊断模型[J].电工技术学报,2004,19(7):49-52. 被引量：12
3倪远平,周建华,李彬华,邹金慧.基于粗糙集理论的电力变压器故障诊断方法研究[J].控制与决策,2004,19(8):943-946. 被引量：18
4王华春,于湘涛,马平.变压器常见故障及人工神经网络在其诊断中的应用[J].自动化技术与应用,2003,22(9):64-67. 被引量：6
5吴立增,朱永利,苑津莎.基于贝叶斯网络分类器的变压器综合故障诊断方法[J].电工技术学报,2005,20(4):45-51. 被引量：57
6熊浩,孙才新,陈伟根,杜林,廖玉祥.电力变压器故障诊断的人工免疫网络分类算法[J].电力系统自动化,2006,30(6):57-60. 被引量：30
7王永强,律方成,李和明.基于粗糙集理论和贝叶斯网络的电力变压器故障诊断方法[J].中国电机工程学报,2006,26(8):137-141. 被引量：100
8魏星,舒乃秋,张霖,崔鹏程.基于改进PSO-BP混合算法的电力变压器故障诊断[J].电力自动化设备,2006,26(5):35-38. 被引量：16
9李天云,应鸿,张宇辉.变压器的灰色故障诊断研究[J].电力系统自动化,1996,20(11):27-31. 被引量：16
10田质广,周波,张慧芬.基于自适应遗传算法和BP网络的汽轮发电机组故障诊断[J].汽轮机技术,2007,49(4):288-291. 被引量：5

共引文献128

1张彼德,梅婷,王涛.基于特征表征度与多变量预测模式识别的变压器故障诊断[J].湖北电力,2020(1):41-48. 被引量：6
2蒲天骄,乔骥,韩笑,张国宾,王新迎.人工智能技术在电力设备运维检修中的研究及应用[J].高电压技术,2020,46(2):369-383. 被引量：217
3崔宇,侯慧娟,苏磊,钱涛,盛戈皞,江秀臣.考虑不平衡案例样本的电力变压器故障诊断方法[J].高电压技术,2020,46(1):33-41. 被引量：31
4王刘旺,周自强,林龙,韩嘉佳.人工智能在变电站运维管理中的应用综述[J].高电压技术,2020,46(1):1-13. 被引量：80
5杜江,张知杰,孙铭阳,吕艳硕.深广神经网络在变压器故障诊断中的应用[J].中北大学学报（自然科学版）,2019,40(1):90-96. 被引量：3
6王福忠,石秀立.改进PSO-SVM算法的变压器分接开关故障诊断[J].电子测量技术,2016,39(11):190-194. 被引量：14
7夏飞,罗志疆,张浩,彭道刚,张茜,唐依雯.混合神经网络在变压器故障诊断中的应用[J].电子测量与仪器学报,2017,31(1):118-124. 被引量：44
8许永鹏,杨丰源,段大鹏,钱勇,盛戈皞,江秀臣.基于NSCT和IA–AP聚类的直流电缆局放信号图特征提取[J].高电压技术,2017,43(2):438-445. 被引量：5
9秦波,孙国栋,陈帅,王祖达,王建国.排列熵与核极限学习机在滚动轴承故障诊断中的应用[J].组合机床与自动化加工技术,2017(2):73-76. 被引量：7
10金贵阳,杨克己,戴永军,马尚行.智能配电变压器的串变调压和基于漏磁的绝缘故障检测技术[J].电力系统保护与控制,2017,45(5):103-108. 被引量：12

1肖斌.房地产公司财务会计存在的问题及制度建设[J].黑龙江科学,2018,9(14):128-129. 被引量：7
2刘玉妹,林志萍,徐雅雯,吴梓轩,季海涛.福州新区互联网企业融入“一带一路”战略研究[J].海峡科学,2018,0(7):23-25.
3游佳,李爱阳,王森林,魏岚,费晓璐,陈卉.SPSS Modeler在脑卒中患者预后建模中的应用[J].中国医疗设备,2018,33(10):60-63. 被引量：3
4谭承诚,于广平,邱志成.基于ELM-AdaBoost.M2的污水处理过程在线故障诊断[J].计算机测量与控制,2018,26(2):53-56.
5庞婷,郭绍永,何喜军,蒋国瑞.基于Q-强化学习和Adaboost算法的自适应谈判方法[J].江苏科技大学学报（自然科学版）,2018,32(4):564-568. 被引量：1
6韩方源,朱立平.可视化DGA技术的发展与应用[J].广西电力,2017,40(6):13-18.
7何成添,邹彩媚,蔡红涛.1例双相情感障碍伴恶性疟疾患者的护理报告[J].中国民康医学,2017,29(21):127-128.
8任茜.初中班主任德育管理工作艺术探索[J].名师在线,2018,0(2):94-95. 被引量：6
9雷建椿,何金国.基于AdaBoost.M2和神经模糊系统的植物识别算法[J].计算机应用,2018,38(4):960-964. 被引量：3
10李巧虹.建筑施工技术现状与发展方向分析[J].城市建设理论研究（电子版）,2018,8(16):64-64. 被引量：2

山东工业技术

2018年第22期

浏览历史

内容加载中请稍等...

基于Adaboost算法的变压器故障诊断

参考文献5

二级参考文献91

共引文献128

相关作者

相关机构

相关主题

浏览历史