典型文献
基于数据过采样和深层特征提取的变压器故障诊断
文献摘要：
针对变压器故障样本类别不平衡和模型诊断精度低的问题,首先使用自适应综合过采样对训练样本中少数类别进行扩充以平衡样本,然后通过深度信念网络对平衡后样本进行深层特征提取,最后将特征向量输入到XGBoost(extreme gradient boosting)进行故障诊断.算例分析表明,所提出的诊断模型准确率最高达91.94％;在样本类别不平衡条件下,所提故障诊断方法与BP神经网络、支持向量机、随机森林、XGBoost相比更优.
文献关键词：
变压器;故障诊断;不平衡样本;自适应综合过采样;深度信念网络;XGBoost
中图分类号：
作者姓名：
刘可真;梁玉平;王科;赵勇军
作者机构：
昆明理工大学电力工程学院,云南昆明 650500;云南电网有限责任公司电力科学研究院,云南昆明 650217;云南电力技术公司,云南昆明 650000
文献出处：
引用格式：
[1]刘可真;梁玉平;王科;赵勇军-.基于数据过采样和深层特征提取的变压器故障诊断)[J].电力科学与工程,2022(11):9-16
A类：
B类：
深层特征,变压器故障诊断,本类,类别不平衡,自适应综合过采样,训练样本,少数类,深度信念网络,特征向量,XGBoost,extreme,gradient,boosting,算例分析,诊断模型,模型准确率,平衡条件,故障诊断方法,不平衡样本
AB值：
0.314404
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
