基于多分类相关向量机的变压器故障诊断新方法

被引：40

作者：

尹金良 ^{[1
]}

朱永利 ^{[1
]}

俞国勤 ^{[2
]}

机构：

[1] 华北电力大学电气与电子工程学院

[2] 上海电力公司

来源：

电力系统保护与控制 | 2013年 / 41卷 / 05期

关键词：

多分类; 相关向量机; 贝叶斯网络; 支持向量机; 变压器故障诊断;

D O I：

暂无

中图分类号：

TM407 [维护、检修];

学科分类号：

080801 ;

摘要：

变压器故障诊断本质为多分类问题,具有故障样本数据少,故障不确定因素多的特点。现有变压器故障诊断方法中,贝叶斯网络(BN)需要大量样本数据且计算量大,支持向量机(SVM)存在规则化系数确定困难的局限。针对此现状,提出基于多分类相关向量机(M-RVM)的变压器故障诊断新方法。该方法以变压器溶解气体含量比值作为M-RVM模型的输入,采用快速type-Ⅱ最大似然(Fast Type-ⅡML)和最大期望估计(EM)的方法进行模型推断,诊断输出为各故障类别的概率,以概率最大的故障类别作为诊断结果。实例分析表明该方法诊断速度较快,能满足工程需要,同基于BN和SVM的变压器故障诊断方法相比,具有较高的诊断正确率。

引用

页码：77 / 82

页数：6

共 10 条

[1] 基于滑动平均与相关向量机的齿轮早期故障智能诊断 [J].