基于随机森林的变压器故障检测方法的研究

《基于随机森林的变压器故障检测方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第38卷第4期电子器件V01．38No．42015年8月ChineseJournalofElectronDevicesAug．2015FaultDiagnosisforTransformerBasedonRandomForestsTAODongqi’BoCuimei，YIHui(SchoolofAutomationandElectricalEngineering，NanjingTechUniversity，Nanjing211816，China)Abstract：Tostudythefaultdiagnosisofpower

2、system，safeandstableoperationofthetransformerisofgreatsignif-icance．Thecontentofthevariouscharacteristicsofgasesdissolvedintransformeroilsetting—upforthedecision-makinganalysisistheimportantmethodsforthedetectionoftransformer．Inviewofthesingledecisiontreeclassifi—c

3、ation，itsefectispoor，poorinanti—interferenceability．Themethodofusingrandomforestsisputforwardforfaultclassification，andacombinedclassifiermodelissetupbythecombinationofclassifiers，highprecision，strongsta-bilityandnotfitted，SOthattheoccurrenceoffaultcanbemoretimelya

4、ndefectivelydiagnosed，thenormalopera—tionofthetransfoFinercanbeensured．Keywords：fauhdetection；classification；randomforests；decisiontree；transformerEEACC：2140doi：10．3969／j．issn．1005-9490．2015．04．025基于随机森林的变压器故障检测方法的研究冰陶栋琦，薄翠梅，易辉(南京工业大学自动化与电气工程学院，南京211816)摘要：研究变压器的故障

5、检测对电力系统安全稳定运行具有重大意义，对油中溶解的各特征气体含量建立决策器进行分析是变压器故障检测的重要方法，针对单棵决策树的分类效果不良，抗干扰能力差，提出了利用随机森林的方法建立组合分类器模型进行故障分类，该组合分类器精确度高、稳定性强且不会出现过拟合现象，从而使发生的故障能得到更及时有效的诊断，进一步保障变压器的正常运行。关键词：故障检测；分类；随机森林；决策树；变压器中图分类号：TM407文献标识码：A文章编号：1005—9490(2015)04—0840-05变压器是工业系统稳定供能的基础，受不停歇工机SVM(S

6、upportVectorMachine)Es]、神经网络等。作条件影响，其故障概率较高，如何对其故障进行及时近几年来，分类器在变压器故障诊断的应用也逐渐准确的诊断，具有较高工程运用价值。而各种气体溶被推广，但是单棵分类器往往也会存在诊断精度不解在油中的浓度与变压器的运行状况密切相关，所以高，容易出现过拟合等问题。绝缘油中的H：、CH、CH、CH、CH这些气体的的本文提出采用新型的随机森林算法对变压器进含量已成为判断变压器故障类型¨的重要数据来源。行故障检测，利用油中溶解的特征气体的浓度分析对于利用油中特征气体含量的变压器故障

7、诊断建立组合分类器模型，各个分类器起到互补的作用，方法，以往是通过三比值法来判断的，即用特征气可以把单个分类器错误的判断影响减小，最后各分体的含量构成三对比值，在相同的情况下把这些比值类器通过投票得出最终诊断结果，该方法具有分类以不同的编码表示，根据测试结果把三对比值换算成精度高、速度快，分类器的泛化能力强等优点。对应的编码组，然后查表对应得出故障类型和故障的1决策树和随机森林大体部位。但是这种方法局限性很大，编码表往往不全，而且诊断时间长，对突发异常的适用率低。1．1决策树简介分类是故障诊断中一个重要的手段。在过去几决策树

8、(DecisionTree)分类是一种从杂乱无序十年里，研究出了很多分类算法，比如决策树、朴的训练样本集中推理出决策树表示形式的分类规则素贝叶斯SRB(SelectiveRobustBayes)、支持向量的方法。样本数据集中含有若干个分裂属性(特征项目来源：国家自然科学基金项目(61203