文献类型：期刊文章

作　　者：尹金良[1] 刘玲玲[2]

机构地区：[1]天津理工大学自动化学院,天津300384 [2]天津理工大学工程训练中心,天津300384

出　　处：《电力自动化设备》

基　　金：河北省自然科学基金资助项目(E2009001392)~~

年　　份：2014

卷　　号：34

期　　号：5

起止页码：111-115

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD_E2013_2014、EI(收录号：20142217774401)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：实际中不同变压器故障类型的误分引发的危害程度往往不同,仅追求正确率并不一定会带来符合实际意义的分类结果。针对此,提出了代价敏感相关向量机(CS-RVM)。CS-RVM以误分代价最小为目标,按贝叶斯风险理论预测新样本类别。在用典型算例验证了CS-RVM具有代价敏感性的基础上,尝试将其应用于变压器故障诊断。基于溶解气体分析(DGA)数据的变压器故障诊断实例分析表明,CS-RVM全局诊断正确率略高于BP神经网络和支持向量机,略低于多分类相关向量机(M-RVM),但CS-RVM趋于提高误诊代价高的故障类型的诊断正确率,具有代价敏感性;CS-RVM的诊断速度足以满足变压器故障诊断的工程要求。

关 键 词：变压器 代价敏感学习 相关向量机 误分类代价  故障诊断

分 类 号：TM41]