【好文推荐】考虑样本类内不平衡的CHPOA-DBN变压器故障诊断方法
引
引文信息
王爽, 罗倩, 唐波, 等. 考虑样本类内不平衡的CHPOA-DBN变压器故障诊断方法[J]. 中国电力, 2023, 56(10): 133-144.
WANG Shuang, LUO Qian, TANG Bo, et al. CHPOA-DBN transformer fault diagnosis method considering sample within-class imbalance[J]. Electric Power, 2023, 56(10): 133-144.
摘要
为解决变压器故障样本类内不平衡与人为确定深度信念网络(deep belief network,DBN)的网络参数导致故障诊断精度低的问题,提出一种基于样本均衡和改进DBN的变压器故障诊断方法。首先,针对合成少数类过采样算法(synthesis minority oversampling technique,SMOTE)生成样本加剧类内不平衡的问题,提出基于改进K均值(improved K-means,IK-means)的IK-means SMOTE算法,据此得到类间、类内均衡的故障样本;其次,利用Tent混沌映射改进的鹈鹕优化算法(chaotic hybrid pelican optimization algorithm,CHPOA)对DBN的隐含层节点数、反向微调学习率寻优,构建CHPOA-DBN变压器故障诊断模型;最后,基于实验数据,分别将经典过采样算法、经典故障诊断模型与所提方法进行对比分析,结果表明:所提方法故障诊断准确率达到96.25%,可以为变压器故障样本不均衡条件下的故障智能诊断提供重要参考。
结论
本文所提方法能有效提升变压器故障诊断的准确性,可为DGA样本不均衡条件下的变压器故障智能诊断提供重要参考。
欢迎点击文后“阅读原文”跳转期刊官网,获取更多信息!
往期回顾
审核:方彤