[发明专利]基于特征信息量化与加权KNN的变压器故障诊断方法有效
| 申请号： | 201811001764.7 | 申请日： | 2018-08-30 |
| 公开（公告）号： | CN109164343B | 公开（公告）日： | 2020-11-06 |
| 发明（设计）人： | 张彼德;彭丽维;梅婷;孔令瑜;李宜;陈颖倩;洪锡文;肖丰 | 申请（专利权）人： | 西华大学 |
| 主分类号： | G01R31/62 | 分类号： | G01R31/62 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 陈选中 |
| 地址： | 610039 四川*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于特征信息量化与加权KNN的变压器故障诊断方法，包括如下步骤：S1、将样本数据分为训练集与测试集；S2、输入训练集，对样本数据进行预处理；S3、基于主成分分析PCA与灰色关联度分析GRA对故障特征信息进行量化；S4、引入粒子群优化算法对加权KNN分类算法进行优化，根据真实故障类别，对标准化故障特征矩阵中的样本进行训练，得到电力变压器故障诊断模型，实现电力变压器故障的分类；S5、将测试集输入电力变压器故障诊断模型，得到诊断结果，实现电力变压器故障的诊断；本发明解决了现有技术存在的处理效率低、模型训练困难以及存在局限性的问题。 | ||
| 搜索关键词： | 基于 特征 信息 量化 加权 knn 变压器 故障诊断 方法 | ||
【主权项】：
1.基于特征信息量化与加权KNN的变压器故障诊断方法，其特征在于，包括如下步骤：S1：将样本数据分为训练集与测试集；S2：输入训练集，对样本数据进行预处理，得到预处理后故障特征矩阵；S3：根据预处理后故障特征矩阵，基于主成分分析PCA与灰色关联度分析GRA对故障特征信息进行量化，得到标准化故障特征矩阵；S4：引入粒子群优化算法对加权KNN分类算法进行优化，根据真实故障类别，对标准化故障特征矩阵中的样本进行训练，得到电力变压器故障诊断模型，实现电力变压器故障的分类；S5：将测试集输入电力变压器故障诊断模型，得到诊断结果，实现电力变压器故障的诊断。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西华大学，未经西华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811001764.7/，转载请声明来源钻瓜专利网。
- 信息记录介质、信息记录方法、信息记录设备、信息再现方法和信息再现设备
- 信息记录装置、信息记录方法、信息记录介质、信息复制装置和信息复制方法
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录设备、信息重放设备、信息记录方法、信息重放方法、以及信息记录介质
- 信息存储介质、信息记录方法、信息重放方法、信息记录设备、以及信息重放设备
- 信息存储介质、信息记录方法、信息回放方法、信息记录设备和信息回放设备
- 信息记录介质、信息记录方法、信息记录装置、信息再现方法和信息再现装置
- 信息终端，信息终端的信息呈现方法和信息呈现程序
- 信息创建、信息发送方法及信息创建、信息发送装置
