文献类型：期刊文章

作　　者：郭新辰[1] 宋琼[1,2] 樊秀玲[1]

机构地区：[1]东北电力大学理学院,吉林132012 [2]华中科技大学图像识别与人工智能研究所,武汉430074

出　　处：《高电压技术》

基　　金：国家自然科学基金(61202261;11201057);吉林省自然科学基金(201215165);吉林大学符号计算与知识工程教育部重点实验室开放基金(93K-17-2010-K05)~~

年　　份：2013

卷　　号：39

期　　号：5

起止页码：1096-1100

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20132516433138)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：变压器油中溶解气体分析(DGA)是电力变压器故障诊断的重要方法。针对现有方法建立分类器时需用到大量已知类别数据而没有利用待分类数据的问题,将半监督分类(SSC)方法引入变压器故障诊断问题中,建立了一个新的变压器故障诊断模型。SSC方法在学习过程中能同时利用已知类别数据和未知类别数据,获得更多的信息,因而有更好的学习效果。采用模糊近邻标签传递的半监督分类(FNNLP-SSC)方法进行变压器故障诊断,所提方法依据样本与其K个近邻的模糊相似性连接,使类别标签从标签数据向未标签数据传递,最终实现未标签数据的分类。对故障DGA样本的诊断实例结果表明,所提FNNLP-SSC方法比模糊C均值(FCM)方法和IEC 3比值法有更高的诊断正确率,验证了所提方法在变压器故障诊断中的有效性和可行性。

关 键 词：电力变压器 故障诊断 溶解气体分析 模糊近邻  半监督分类 标签传递  

分 类 号：TM407]