摘要
为了解决变压器故障诊断传统方法中DGA特征量选取的主观性与完备性欠缺问题,本文选取5种常用故障诊断方法的20种不同特征量作为初始特征集合,结果证明本文方法能有效提高变压器故障诊断准确率。
In order to solve the problem of subjectivity and lack of completeness of DGA feature selection in traditional transformer fault diagnosis methods, 20 different feature quantities from 5 common fault diagnosis methods are selected as initial feature sets.The results show that this method can effectively improve the accuracy of transformer fault diagnosis.
作者
王晶
许素安
洪凯星
王策
刘勇
陈兴
WANG Jing;XU Su-an;HONG Kai-xing;WANG Ce;LIU Yong;CHEN Xing(School of Mechanical and Electrical Engineering,China Jiliang University,Hangzhou 310018,China)
出处
《变压器》
北大核心
2020年第12期36-40,46,共6页
Transformer
基金
浙江省公益技术应用研究资助项目(LGG20E050013)
国家自然科学基金项目(51805504)。
关键词
油中溶解气体
故障诊断
支持向量机
遗传算法
Dissolved gas in oil
Fault diagnosis
Support vector machine
Genetic algorithm
