少标签下油浸式变压器双层故障诊断模型

针对油浸式变压器数据样本标记困难,有标签样本数据量较少,传统故障诊断方法精度低的问题,提出了基于GBDT与K-means增益聚类的少标签下油浸式变压器双层故障诊断模型。首先,采用SAE对表征变压器状态的高维特征气体进行降维,去除冗余信息,得到包含变压器运行状态的低维特征向量作为后续分类器的输入;其次,构建双层故障诊断模型;针对无标签样本,引入GBDT方法作为所提模型首层,获取无标签样本的伪标签;为进一步提高诊断精度,提出基于无标记样本伪标签的K-means聚类增益,作为新的特征向量,输入末层模型K-means用以实现二次诊断的目的。实验分析表明,在少标签状态下,所提的方法可有效提升变压器故障诊断精度,相较于传统方法,在诊断精度上至少提升了6%。为少标签下的油浸式变压器故障诊断提供了新的思路。