[发明专利]一种变压器故障复合诊断方法有效
| 申请号： | 201910414176.4 | 申请日： | 2019-05-17 |
| 公开（公告）号： | CN110059773B | 公开（公告）日： | 2021-01-22 |
| 发明（设计）人： | 张旭;贾传圣;王奇 | 申请（专利权）人： | 江苏师范大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 周敏 |
| 地址： | 221000 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种变压器故障复合诊断方法，该方法通过收集DGA特征气体的浓度工业数据，分别利用随机森林(RF)算法、支持向量机(SVM)算法、K近邻算法(KNN)算法建立三个基分类器模型；再利用加权投票法将上述的模型融合互补，形成变压器故障复合诊断模型，对变压器进行故障诊断。本发明有效利用单一的RF、SVM、KNN变压器故障诊断模型，经过经过加权融合形成了RF‑SVM‑KNN变压器故障诊断模型，克服了单一方法局部最优、结果偏差等问题；本发明能够有效的识别变压器故障类型，具有分类准确率高、速度快、稳定性高、泛化能力强等优点，为诊断变压器运行状态、预估变压器故障类型、确保变压器安全稳定运行。 | ||
| 搜索关键词： | 一种 变压器 故障 复合 诊断 方法 | ||
【主权项】：
1.一种变压器故障复合诊断方法，其特征在于，包括以下步骤：步骤一、收集DGA特征气体的浓度工业数据，建立特征量信息，并对数据进行预处理；步骤二、分别利用随机森林(RF)算法、支持向量机(SVM)算法、K近邻算法(KNN)算法建立三个基分类器模型；步骤三、利用加权投票法将上一步的模型融合互补，形成变压器故障复合诊断模型；步骤四、利用上一步形成的变压器故障复合诊断模型进行故障诊断。
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江苏师范大学，未经江苏师范大学许可，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/201910414176.4/，转载请声明来源钻瓜专利网。
