公开(公告)号：CN116628443B

公开(公告)日：2024-01-23

申请号：CN202310553821.7

申请日：2023-05-16

Applicant: 西安工程大学

Inventor： 王洋 ,  张誉川 ,  刘迪迪 ,  刘辉乾 ,  杜燕 ,  张博

IPC: G06F18/20 ,  G01R31/62 ,  G06F18/213 ,  G06F18/2411

Abstract: 本发明公开了一种POA‑SVM变压器故障诊断方法及电子设备，方法包括以下步骤：获取变压器故障样本；对变压器故障样本进行混合采样处理，得到平衡数据集；获取平衡数据集的特征向量，进行归一化处理；将归一化后的特征向量作为特征参量，采用POA优化SVM方法，找到最优的惩罚因子C和核参数δ；根据最优惩罚因子C和核参数δ建立变压器故障诊断模型，并使用变压器故障诊断模型进行故障判断。本发明能够剔除多类样本的噪声和重复信息来提高数据利用率，同时仅通过增加少类样本中有效样本数量和保留多数样本有用信息来实现样本的均衡化；降低了误判率，整体诊断正确率更高，一致性更好，性能更好。(56)对比文件Le Wang 等.Review of ClassificationMethods on Unbalanced Data Sets《.IEEEAccess》.2021,第9卷第64606-64628页.王洋.变压器运行过程中的常见故障分析及维护探讨《.中国石油和化工标准与质量》.2018,第29-30页.郭婷 等.基于识别关键样本点的非平衡数据核SVM算法《.模式识别与人工智能》.2019,第32卷(第6期),第569-576页.Yuchuan Zhang 等.Prediction ofdissolved gas in transformer oil based onSSA-LSTM model《.2022 9th InternationalConference on Condition Monitoring andDiagnosis》.2023,第177-182页.Xiu Zhou 等.Research on TransformerFault Diagnosis Technology Based onAdaboost-Decision Tree and DGA《.Theproceedings of the 16th Annual Conferenceof China Electrotechnical Society》.2022,第1179–1189页.Wumaier Tuerxun 等.A Wind TurbineFault Classification Model Using BroadLearning System Optimized by ImprovedPelican Optimization Algorithm.《Machines》.2022,第10卷(第5期),第1-19页.

公开(公告)号：CN117272116A

公开(公告)日：2023-12-22

申请号：CN202311330029.1

申请日：2023-10-13

Applicant: 西安工程大学

Inventor： 王洋 ,  刘辉乾 ,  杜燕 ,  张博 ,  朱庆东 ,  成传辉 ,  李晋

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/006

Abstract: 本发明公开了一种基于LORAS平衡数据集的变压器故障诊断方法，涉及变压器故障诊断领域，首先从少数类的近似数据流形中进行过采样，实现变压器故障集中少数类样本的扩充。针对核极限学习机模型结构较简单的问题，本发明提出了一种将全局核函数和局部核函数相结合方法，将单核扩展到多核，以提高模型对于复杂数据的处理能力。为了进一步提高模型的性能，本发明采用DBO优化算法对混合核极限学习机的核参数、权参数以及正则化系数进行寻优，以提高模型的故障诊断精度和泛化能力。本发明解决了现有故障诊断方法诊断精度低、鲁棒性低的问题。

公开(公告)号：CN117272116B

公开(公告)日：2024-05-17

申请号：CN202311330029.1

申请日：2023-10-13

Applicant: 西安工程大学

Inventor： 王洋 ,  刘辉乾 ,  杜燕 ,  张博 ,  朱庆东 ,  成传辉 ,  李晋

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/006

Abstract: 本发明公开了一种基于LORAS平衡数据集的变压器故障诊断方法，涉及变压器故障诊断领域，首先从少数类的近似数据流形中进行过采样，实现变压器故障集中少数类样本的扩充。针对核极限学习机模型结构较简单的问题，本发明提出了一种将全局核函数和局部核函数相结合方法，将单核扩展到多核，以提高模型对于复杂数据的处理能力。为了进一步提高模型的性能，本发明采用DBO优化算法对混合核极限学习机的核参数、权参数以及正则化系数进行寻优，以提高模型的故障诊断精度和泛化能力。本发明解决了现有故障诊断方法诊断精度低、鲁棒性低的问题。

公开(公告)号：CN116628443A

公开(公告)日：2023-08-22

申请号：CN202310553821.7

申请日：2023-05-16

Applicant: 西安工程大学

Inventor： 王洋 ,  张誉川 ,  刘迪迪 ,  刘辉乾 ,  杜燕 ,  张博

IPC: G06F18/20 ,  G01R31/62 ,  G06F18/213 ,  G06F18/2411

Abstract: 本发明公开了一种POA‑SVM变压器故障诊断方法及电子设备，方法包括以下步骤：获取变压器故障样本；对变压器故障样本进行混合采样处理，得到平衡数据集；获取平衡数据集的特征向量，进行归一化处理；将归一化后的特征向量作为特征参量，采用POA优化SVM方法，找到最优的惩罚因子C和核参数δ；根据最优惩罚因子C和核参数δ建立变压器故障诊断模型，并使用变压器故障诊断模型进行故障判断。本发明能够剔除多类样本的噪声和重复信息来提高数据利用率，同时仅通过增加少类样本中有效样本数量和保留多数样本有用信息来实现样本的均衡化；降低了误判率，整体诊断正确率更高，一致性更好，性能更好。