邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型.pdf

邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型.pdf

ID:57750781

大小:443.46 KB

页数:6页

时间:2020-03-28

邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型.pdf_第1页
邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型.pdf_第2页
邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型.pdf_第3页
邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型.pdf_第4页
邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型.pdf_第5页
资源描述:

《邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第28卷第11期电力系统及其自动化学报Vol_28No.112016年11月ProceedingsoftheCSU-EPSANOV.2016邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型陈嘉霖,段家华,张明宇(1.云南省能源投资集团有限公司,昆明650021;2.云南能投能源产业发展研究院,昆明650021)摘要:针对变压器相关向量机故障诊断模型中冗余信息影响泛化能力的问题,提出了邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型。首先采用领域知识和快速约简算法进行属性约简;其次利用条件属性对决策属性的依赖性度量进行属性加权;然后将约简后和数

2、值化后形成的特征向量集输入相关向量机进行训练;最后用测试集进行测试。实例显示所提方法的测试确诊率均高于单独相关向量机模型,说明邻域粗糙集提升了相关向量机的实用性和准确性。关键词:邻域粗糙集;相关向量机;变压器;故障诊断;诊断精度中图分类号:TM411文献标志码:A文章编号:1003—8930(2016)11-0117—06DOI:10.3969~.issn.1003—8930.2016.11.020ComprehensiveFaultDiagnosisModelofTransformersBasedonCombinationofNeighborhoo

3、dRoughSetandRelevanceVectorMachineCHENJialin,DUANJiahua,ZHANGMingyu'(1.YunnanProvincialEnergyInvestmentGroupCo.,Ltd,Kunming650021,China;2.EnergyIndustryDevelopmentInstitute,YunnanProvincialEnergyInvestmentGroupCo.,Ltd,Kunming650021,China)Abstract:Todealwiththeissueofgeneralizat

4、ionabilityaffectedbyredundantinformationintherelevancevectorma—chine(RVM)basedfaultdiagnosismodeloftransformers,thispaperproposesacomprehensivefaultdiagnosismodelbasedonthecombinationofneighborhoodroughset(NRS)andRVM.First,neighborhoodinformationandquickre·ductionalgorithmareem

5、ployedtoreducetheattributereduction.Then,thedependenceofconditionalattributeondeci—sionattributeisusedtOacquiretheattributeweight.Next,thefeaturevectorsetobtainedafterreductionandnumeral—izationisinputintotheRVMfortraining.Finally,testsareconductedwithtestset.Acasestudyshowstha

6、tthediagno-sisratewiththeproposedmethodishigherthantheRVMmodel,whichfurtherindicatesthatNRSenhancesthepracti—cabilityandaccuracyofRVM.Keywords:neighborhoodroughset(NBS);relevancevectormachine(RVM);transformer;faultdiagnosis;diagnosisaccuracy变压器是电力系统的重要设备,其运行状态直问题,粗糙集RS(roughset

7、)】、人工神经网络ANN接影响电网的安全经济运行。电力变压器结构复(artificialneuralnetwork)H】、贝叶斯网络BN(Bayes—杂,其故障诊断和变压器状态的监测一直受到国内iannetworks)”和支持向量机SVM(supportvector外学术界的广泛重视n。machine)[5-61等人工智能算法被广泛地应用于变压油浸式变压器油中溶解气体的含量及比值在器故障诊断。但在实际的诊断过程中发现,传统方很大程度上与变压器的运行状态直接相关,油中溶法只能对变压器运行状态的单一特征信息做出诊解气体分析DGA(dissolvedgas

8、analysis)法口堤舳浸断,无法很好地处理多种不确定因素同时影响变压式变压器故障诊断的经典方法。在此基础

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。