应用多分类多核学习支持向量机的变压器故障诊断方法

被引：95

作者：

郭创新 ^{[1
]}

朱承治 ^{[2
]}

张琳 ^{[3
]}

彭明伟 ^{[1
]}

刘毅 ^{[1
]}

机构：

[1] 浙江大学电气工程学院

[2] 浙江省电力公司

[3] 西北电网公司

来源：

中国电机工程学报 | 2010年 / 30卷 / 13期

基金：

浙江省自然科学基金;

关键词：

变压器; 故障诊断; 支持向量机; 多分类多核学习;

D O I：

10.13334/j.0258-8013.pcsee.2010.13.018

中图分类号：

TM407 [维护、检修];

学科分类号：

080801 ;

摘要：

提出一种基于多分类多核学习支持向量机的变压器故障诊断方法,相对于传统的2分类支持向量机,该方法有如下特点:算法针对单一的优化目标函数求解,只需设计1组参数,降低了支持向量机在解决多类问题中模型构造和参数选择的难度;核函数是多个基核函数的组合,提高了分类的精度;将模型分解为2个凸优问题进行求解,问题的复杂度低,求解速度快。诊断实例表明,该方法能保证较高的诊断准确率,具有较好的实用性和推广性。

引用

收藏

页码：128 / 134

页数：7

相关论文

共 13 条

[1] 遗传支持向量机在电力变压器故障诊断中的应用 [J].

肖燕彩 ;

陈秀海 ;

朱衡君 .

上海交通大学学报, 2007, (11) :1878-1881+1886

[2] 支持向量机在电力变压器故障诊断中的应用 [J].

吴晓辉 ;

刘炯 ;

梁永春 ;

汪晓明 ;

李彦明 .

西安交通大学学报, 2007, (06) :722-726

[3] 基于多类支持向量机的变压器故障诊断模型 [J].

江伟 ;

罗毅 ;

涂光瑜 .

水电能源科学, 2007, (01) :52-55

[4] 基于多级支持向量机分类器的电力变压器故障识别 [J].

吕干云 ;

程浩忠 ;

董立新 ;

翟海保 .

电力系统及其自动化学报, 2005, (01) :19-22+52

[5] 基于改进灰色关联分析的变压器故障识别 [J].

吕干云 ;

程浩忠 ;

翟海保 ;

董立新 .

中国电机工程学报, 2004, (10) :123-128

[6] 基于线性分类器的充油变压器潜伏性故障诊断方法 [J].

彭宁云 ;

文习山 ;

王一 ;

陈江波 ;

柴旭峥 .

中国电机工程学报, 2004, (06) :151-155

[7] 基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究 [J].

董明 ;

孟源源 ;

徐长响 ;

严璋 .

中国电机工程学报, 2003, (07) :88-92

[8] 灰色聚类与模糊聚类集成诊断变压器内部故障的方法研究 [J].

李俭 ;

孙才新 ;

陈伟根 ;

周湶 ;

杜林 .

中国电机工程学报, 2003, (02) :116-119

[9] 基于知识库的变压器故障诊断专家系统 [J].

杨兵 ;

丁辉 ;

罗为民 ;

张小飞 .

中国电机工程学报, 2002, (10) :122-125

[10] 电力变压器故障诊断专家系统知识库建立和维护的粗糙集方法 [J].

束洪春 ;

孙向飞 ;

司大军 .

中国电机工程学报, 2002, (02) :32-36