支持向量机在电力变压器故障诊断中的应用

吴晓辉; 刘炯; 梁永春; 汪晓明; 李彦明

您当前的位置：

首页 >

文章列表页 >

支持向量机在电力变压器故障诊断中的应用

专题研究 | 更新时间：2025-12-08

- 支持向量机在电力变压器故障诊断中的应用
- 支持向量机在电力变压器故障诊断中的应用
- 西安交通大学学报 2007年第6期页码：722-726
- 作者机构：
  
  西安交通大学电气工程学院
- 作者简介：
- 基金信息：
  
  河北省自然科学基金资助项目(F2007000636)
- DOI：
  中图分类号： TM407
- 纸质出版：2007
- 稿件说明：
移动端阅览
吴晓辉, 刘炯, 梁永春, 等. 支持向量机在电力变压器故障诊断中的应用[J]. 西安交通大学学报, 2007,(6):722-726.

吴晓辉, 刘炯, 梁永春, et al. 支持向量机在电力变压器故障诊断中的应用[J]. 2007, (6): 722-726.
吴晓辉, 刘炯, 梁永春, 等. 支持向量机在电力变压器故障诊断中的应用[J]. 西安交通大学学报, 2007,(6):722-726. DOI：

吴晓辉, 刘炯, 梁永春, et al. 支持向量机在电力变压器故障诊断中的应用[J]. 2007, (6): 722-726. DOI：

摘要

利用支持向量机的学习方法

构建了电力变压器故障诊断模型.该模型将变压器故障分为放电性和过热性两大类

通过统计分析寻求特征量区分类间的故障类型

采用支持向量机识别类内的故障类型

利用基于交叉验证的网格搜索法来确定支持向量机的参数.考虑到变压器油中溶解气体特征空间的紧致性原理

利用模糊C均值聚类算法对所获取的样本进行预选取

有效地解决了确定模型参数时耗时巨大的问题

并一定程度提高了模型的推广能力.实例验证表明

该模型在有限样本情况下

能达到较高的变压器故障判断率

放电性故障样本正确判断率为90.5%

过热性故障样本正确判断率为85.9%

说明该模型具有很好的分类效果和推广能力.

Abstract

关键词

Keywords

references

{"db_type":"CJFDREF","db_name":"期刊","reference_articles":[{"unit":"高电压技术","flag":"[J]","issue":"04","year":2005,"author":"张蕊,郭瑞君,李华,严璋","index":1,"title":"基于变压器故障分类的DGA特征提取"},{"unit":"中国电机工程学报","flag":"[J]","issue":"08","year":2001,"author":"张勇,李昕,刘君华,吴浩扬","index":2,"title":"数据融合新技术在识别变压器油中四种特征气体的研究"}],"articles_count":2}

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

改进的熵特征在行星齿轮裂纹故障识别中的应用

基于支持向量机的发动机故障诊断

低频和高频交流电场助燃对比及燃烧特征参数预测研究

采用改进共空间模式算法的四类表情辅助脑电信号识别方法

CNN-LSTM深度神经网络在滚动轴承故障诊断中的应用