【精彩论文】基于混合采样和支持向量机的变压器故障诊断

观点凝练

摘要：针对变压器不平衡数据集对变压器故障诊断模型产生的影响，提出了基于混合采样和支持向量机（support vector machines, SVM）的变压器故障诊断方法，利用合成少数类过采样技术（synthetic minority oversampling technique, SMOTE）和基于最近邻规则的欠采样方法，分别对变压器故障数据和正常数据进行采样，再利用混合采样得到的平衡数据训练基于支持向量机变压器故障诊断模型。通过测试集对比不平衡数据和平衡数据下基于SVM的变压器故障诊断模型的性能。最后分析了采样率对于变压器故障诊断模型诊断准确率的影响。实验结果表明，该方法可以有效降低不平衡数据对诊断模型的影响，提高变压器故障诊断模型的准确率。
结论：针对不平衡数据对变压器故障诊断模型的影响，本文提出了基于混合采样和支持向量机的变压器故障诊断方法，通过实验仿真，结果表明：

（1）基于混合采样和支持向量机的变压器故障诊断方法，可以将不平衡数据经过混合采样转化为平衡数据，从而提高变压器故障诊断的准确率。

（2）混合采样后的变压器故障诊断模型的诊断准确率高于混合采样前的变压器故障诊断模型。

（3）当进行单独的欠采样或过采样时，训练得到诊断模型的准确率未必高，但都低于混合采样得到诊断模型的准确率。

引文信息

李亮, 范瑾, 闫林, 等. 基于混合采样和支持向量机的变压器故障诊断[J]. 中国电力, 2021, 54(12): 150-155.LI Liang, FAN Jin, YAN Lin, et al. Transformer fault diagnosis based on hybrid sampling and support vector machines[J]. Electric Power, 2021, 54(12): 150-155. 

 往期回顾 

编辑：杨彪

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。