论文摘要
数据质量是影响变压器故障诊断正确率的重要因素。为了解决变压器油色谱在线监测数据缺失问题,提出了一种基于缺失数据修复的变压器在线故障诊断方法,利用改进k-最邻近和多分类SVM的循环迭代实现基于缺失数据的变压器故障诊断。在k-最邻近方法中,提出以相关系数的负指数为权值的曼哈顿距离来度量样本间距离。一方面用以突出强相关指标对缺失信息的影响,提高数据修复的准确性。另一方面改进的曼哈顿距离适用于基于k-d树的高效搜索策略,可以实现针对海量历史数据的快速搜索,满足在线诊断对算法实时性的需求。实例诊断的结果表明,该方法可以有效降低数据缺失对变压器故障诊断正确率的影响,有利于实现变压器故障的准确、高效在线诊断。
论文目录
文章来源
类型: 期刊论文
作者: 陈嘉宁,杨翾,叶承晋,唐剑,李祥,方响,龙厚印
关键词: 变压器,故障诊断,最邻近,支持向量机
来源: 电力系统保护与控制 2019年15期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 国网浙江省电力有限公司杭州市供电公司,浙江大学电气工程学院
基金: 国家自然科学基金项目资助(51807173),国网浙江省电力有限公司群众创新项目(5211HZ18004L)~~
分类号: TM407
DOI: 10.19783/j.cnki.pspc.181024
页码: 86-92
总页数: 7
文件大小: 435K
下载量: 214