文献类型：期刊文章

作　　者：王文博[1] 曾小梅[2] 赵引川[1] 张云云[3] 刘达[2]

WANG Wenbo;ZENG Xiaomei;ZHAO Yinchuan;ZHANG Yunyun;LIU Da(School of Mathematics and Physics,North China Electric Power University,Beijing 102206,China;Institute of Smart Energy,North China Electric Power University,Beijing 102206,China;China Energy Engineering Group Anhui Electric Power Design Institute Co.,Ltd.,Anhui 230602,China)

机构地区：[1]华北电力大学数理学院,北京102206 [2]华北电力大学智慧能源研究所,北京102206 [3]中国能源建设集团安徽省电力设计院有限公司,安徽合肥230602

出　　处：《华北电力大学学报（自然科学版）》

基　　金：国家重点研发计划“网络协同制造和智能工厂”重点专项(2020YFB1707802).

年　　份：2021

卷　　号：48

期　　号：5

起止页码：54-60

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：变压器在电力系统中发挥着变换电压、分配电能等重要作用。其故障缺陷将严重危及电力系统的安全运行,从而造成巨大的经济损失和不良的社会影响。因此,变压器的缺陷故障诊断对电力系统的安全运行和社会的发展至关重要。现有关于变压器缺陷诊断的研究颇多,但变压器缺陷数据集类别不平衡仍是准确预测变压器缺陷的难点。为了解决这一难题,提出了一种基于SMOTE(Synthetic Minority Oversampling Technique)-XGBoost(Extreme Gradient Boosting)的变压器缺陷预测模型。首先,通过SMOTE算法来处理不平衡数据集,然后构建XGBoost模型预测变压器缺陷。为了表现模型的优越性,研究增加了对比实验。即将原始数据集和经过Up_Sample,CSL和Down_Sample与SMOTE四种方法处理后的数据集分别与决策树(CART)、支持向量机(SVM)、Logistic回归和XGBoost模型四种预测模型两两组合进行预测。实验结果表明,基于SMOTE-XGBoost模型的变压器缺陷预测效果最优。

关 键 词：变压器缺陷预测  不平衡数据集 SMOTE XGBoost  

分 类 号：TM407]