Transformer fault diagnosis method for DAG based on SVM disclosed by the invention of oil immersed transformer collected with label samples of each class according to the proportion of 3:1 is divided into training samples and test samples; training model of SVM is less than the original training samples from the number of training samples returned from the T new the training sample set, T a weak learner, which is a decision function sequence; establishment of T DAG SVM classification tree model using decision function sequence in normal state, temperature, high temperature overheating, partial discharge, spark discharge and arc discharge of these 6 categories and tags were obtained; fault diagnosis using T DAG SVM classification tree model obtained. The invention of transformer fault diagnosis method for DAG based on SVM, DAG SVM algorithm for Bagging integration, can effectively improve the prediction accuracy of fault.
【技术实现步骤摘要】
本本专利技术属于变压器故障在线监测方法
，具体涉及一种基于DAG-SVM的变压器故障诊断提升方法。
技术介绍
油浸式变压器在所有变压器种类中占有极大的比例，而变压器的运行状态对于电力系统的安全运行有着极大的影响。因此，对油浸式变压器进行故障诊断非常有必要。现有的变压器故障诊断算法主要涉及人工神经网络、模糊集理论以及灰色系统理论等方法，这些算法有极大的优点但也有其各自的缺点。对于人工神经网络，如：BP神经网络算法具有收敛慢及容易陷入局部最小点的缺点；对于模糊集理论，如：模糊神经网络在构造隶属度函数时，有人为因素，易造成人为误差；对于灰色系统理论，如：灰色系统关联分析法主观性过强，同时部分指标最优值难以确定。
技术实现思路
本专利技术的目的在于提供一种基于DAG-SVM的变压器故障诊断提升方法，将DAG-SVM算法进行Bagging集成，有效提高了故障预测精度。本专利技术所采用的技术方案是，基于DAG-SVM的变压器故障诊断提升方法，具体按照以下步骤实施：步骤1、对所采集的油浸式变压器带有类标签的样本集S＝{(x1,y1),(x2,y2),...,(xn,yn)
【技术保护点】
基于DAG‑SVM的变压器故障诊断提升方法，其特征在于，具体按照以下步骤实施：步骤1、对所采集的油浸式变压器带有类标签的样本集S＝{(x1,y1),(x2,y2),...,(xn,yn)}每一类按3：1比例分为：训练样本和测试样本；其中，xi代表样本属性，包括有氢气、甲烷、乙烷、乙烯、乙炔五种属性，yi代表类别标签1、2、3、4、5、6，分别对应正常状态、中温过热、高温过热、局部放电、火花放电、电弧放6个状态；步骤2、从步骤1的训练样本中有放回的抽取数量小于原训练样本的T个新的训练样本集训练SVM模型，得到T个弱学习器，即得到一组决策函数序列Ht＝{h1,h2,...,hT}；步骤3、利用正常状态、中温过热、高温过热、局部放电、火花放电及电弧放电这6种类别标签及步骤2中所获取的决策函数序列建立T个DAG‑SVM分类树模型；步骤4、利用步骤3得到的T个DAG‑SVM分类树模型分别进行故障诊断。
【技术特征摘要】
1.基于DAG-SVM的变压器故障诊断提升方法，其特征在于，具体按照以下步骤实施：步骤1、对所...
【专利技术属性】
技术研发人员：黄新波，魏雪倩，张烨，朱永灿，李弘博，胡潇文，王海东，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。