电力变压器的协同训练故障诊断算法.pdfVIP

第23卷 第l0期 重 庆 工 学 院学 报(自然科学) 2009年 10月 Vo1．23 No．10 JournalofChongqingInstituteofTechnology(NaturalScience) 0ct．2009 电力变压器的协同训练故障诊断算法 刘 君 ，李 黎。，刘道群 ， (1．重庆市广播电视大学 理工学院，重庆 400052；2．重庆大学 计算机学院，重庆 400044； 3．重庆市气象局 ，重庆 400044；4．重庆理工大学，重庆 400050) 摘 要：基于半监督学习思想，将协同训练的机制引入到故障诊断的学习中，采用多个不同 的分类算法协同训练，提高电力变压器故障诊断的准确率．采用BP+SVM的多个训练器协同工 作，目的是克服单个算法的准确性不高的缺点．将实例分析的结果与传统的BP算法的结果进行 比较．结果表明，该算法能有效地对电力变压器单故障样本进行分类，具有较高的诊断准确率． 关 键 词：神经网络；支持向量机；协同训练；电力变压器；故障诊断 中图分类号：TP183；TM407 文献标识码 ：A 文章编号：1671—0924(2009)12—0098—04 AnAlgorithm ofCo-TrainingforFaultDiagnosisofPowerTransformers LIUJun ，LILi，LIUDao—qun， (1．DepartmentofEngineeringScience，ChongqingRadio＆TelevisionUniversity，Chongqing400052，China； 2．CollegeofComputerScience，ChongqingUniversity，Chongqing400044，China； 3．ChongqingMeteorologicalBureau，Chongqing400044，China； 4．ChongqingUniversityofTechnology，Chongqing400050，China) Abstract：AccordingtoCO—trainingparadigm ，thispapertrainsBPclassifierandSVM classifierand makethesetwolearnerstoCO—workinthesametrainingsettopromotetheclassificationaccuracy．A massoffaultsamplesareanalyzedinthealgorithm andtheresultsarecomparedwiththoseobtained bythetraditionalBPNN．The comparison resultindicatesthattheCO—trainingalgorithm hasbetter classifyingcapabilityforsingle—faultsamplesaswellashighdiagnosisprecision． Keywords：neuralnetwork；supportvectormachine；CO·training；powertransformer；faultdiagnosis 大型 电力变压器是 电力系统重要的变 电设 法及相关改 良比值法在工程实际使用中暴露出编 备，其运行状态直接影响系统的安全，因此在线检 码不全、编码边界过于绝对等缺点…．目前很多人 测并实时诊断变压器状态具有十分重要的意义． 工智能方法如聚类分析、灰色理论、支持 向量机 变压器油中溶解气体分析技术是电力变压器绝缘 等 被应用于电力变压器故障诊断中．但由于电 故障诊断的重要方法，它有效地发现变压器 内部 力变压器的结构复杂性和故障机理的多样性，使 的潜伏性故障及其发展程度．常用的IEC三比值