基于支持向量基的电力变压器故障诊断地研究.pdfVIP

基于支持向量基的电力变压器故障诊断的研究 1 1 2 李智敏 ，马春燕 ，杨兰均 1 郑州供电公司，淮河路9 号 450006 ；2 西安交通大学，咸宁西路29 号 710048 ； The Research on the Fault Diagnostic of Power Transformer Based on Support Vector Machine 1 2 Ma Chunyan , Yang Lanjun 1.ZhengZhou Electric Power Company 2.Xian Jiao Tong University. Abstract: he transformer condition estimate model is 基于 DGA 的变压器故障诊断中表现出了优 constructed based on SVM and the parameter for 异的性能，但面对工程实际中的小样本学习 SVM-based classifier is determined by adopting cross 问题时，由于其渐进性的前提条件不能保 validation method. Considering the compactness 证，因此在学习样本不完备的情况下难以得 characteristics of DGA data and combining the own 到良好的学习效果。传统方法都是在统计学 characteristics of SVM, a method of fuzzy C-means 理论基础上发展起来的，即当样本数量趋向 clustering to pre-select representative samples is 于无穷大时的极限特征。但在工程实际中， presented. Simulation results show that, the 这样的前提条件往往难以满足，因此基于经 pre-selection of representative samples could solve the 验风险的最小化原理在实际应用中有很大 problem of time consuming on parameter 的局限性。近几年发展起来的核机器学习算 determination and enable to detect transformer faults 法，能有效解决基于 DGA 的变压器故障诊 with higher diagnosis accuracy. The combination of 断中小样本、高维数、非线性等问题，并可 fuzzy clustering method with SVM is also helpful to 以克服人工神经网络合理结构难以确定和 other pattern recognition problems. 存在局部最优等缺点。 Key word: power transformer, fault diagnostic, 2 统计学习理论及支持向量机 support vector machine, pattern recognition 2.1 统计学习理论 V. Vapnik 等人从上个世纪六、七十年代 摘要：文建立了基于支持向量机(SVM) 的变压器状 开始致力于统计学习理论的研究。与传统统 态评估模型。采用交叉验证法确定 SVM 分类器参 计学相比，这种理论专门研究的是小样本情 数。考虑到变压器 DGA 数据空间的紧致性原理， 况下机器的学习