資源描述：
《基于隨機(jī)森林的變壓器故障檢測(cè)方法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、第38卷第4期電子器件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基于隨機(jī)森林的變壓器故障檢測(cè)方法的研究冰陶棟琦，薄翠梅，易輝(南京工業(yè)大學(xué)自動(dòng)化與電氣工程學(xué)院，南京211816)摘要：研究變壓器的故障
5、檢測(cè)對(duì)電力系統(tǒng)安全穩(wěn)定運(yùn)行具有重大意義，對(duì)油中溶解的各特征氣體含量建立決策器進(jìn)行分析是變壓器故障檢測(cè)的重要方法，針對(duì)單棵決策樹的分類效果不良，抗干擾能力差，提出了利用隨機(jī)森林的方法建立組合分類器模型進(jìn)行故障分類，該組合分類器精確度高、穩(wěn)定性強(qiáng)且不會(huì)出現(xiàn)過擬合現(xiàn)象，從而使發(fā)生的故障能得到更及時(shí)有效的診斷，進(jìn)一步保障變壓器的正常運(yùn)行。關(guān)鍵詞：故障檢測(cè)；分類；隨機(jī)森林；決策樹；變壓器中圖分類號(hào)：TM407文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1005—9490(2015)04—0840-05變壓器是工業(yè)系統(tǒng)穩(wěn)定供能的基礎(chǔ)，受不停歇工機(jī)SVM(S
6、upportVectorMachine)Es]、神經(jīng)網(wǎng)絡(luò)等。作條件影響，其故障概率較高，如何對(duì)其故障進(jìn)行及時(shí)近幾年來，分類器在變壓器故障診斷的應(yīng)用也逐漸準(zhǔn)確的診斷，具有較高工程運(yùn)用價(jià)值。而各種氣體溶被推廣，但是單棵分類器往往也會(huì)存在診斷精度不解在油中的濃度與變壓器的運(yùn)行狀況密切相關(guān)，所以高，容易出現(xiàn)過擬合等問題。絕緣油中的H：、CH、CH、CH、CH這些氣體的的本文提出采用新型的隨機(jī)森林算法對(duì)變壓器進(jìn)含量已成為判斷變壓器故障類型¨的重要數(shù)據(jù)來源。行故障檢測(cè)，利用油中溶解的特征氣體的濃度分析對(duì)于利用油中特征氣體含量的變壓器故障
7、診斷建立組合分類器模型，各個(gè)分類器起到互補(bǔ)的作用，方法，以往是通過三比值法來判斷的，即用特征氣可以把單個(gè)分類器錯(cuò)誤的判斷影響減小，最后各分體的含量構(gòu)成三對(duì)比值，在相同的情況下把這些比值類器通過投票得出最終診斷結(jié)果，該方法具有分類以不同的編碼表示，根據(jù)測(cè)試結(jié)果把三對(duì)比值換算成精度高、速度快，分類器的泛化能力強(qiáng)等優(yōu)點(diǎn)。對(duì)應(yīng)的編碼組，然后查表對(duì)應(yīng)得出故障類型和故障的1決策樹和隨機(jī)森林大體部位。但是這種方法局限性很大，編碼表往往不全，而且診斷時(shí)間長(zhǎng)，對(duì)突發(fā)異常的適用率低。1．1決策樹簡(jiǎn)介分類是故障診斷中一個(gè)重要的手段。在過去幾決策樹
8、(DecisionTree)分類是一種從雜亂無序十年里，研究出了很多分類算法，比如決策樹、樸的訓(xùn)練樣本集中推理出決策樹表示形式的分類規(guī)則素貝葉斯SRB(SelectiveRobustBayes)、支持向量的方法。樣本數(shù)據(jù)集中含有若干個(gè)分裂屬性(特征項(xiàng)目來源：國(guó)家自然科學(xué)基金項(xiàng)目(61203
