最小二乘支持向量机多分类法的变压器故障诊断
100 积分
50
评分
4.6 积分- 详情
- 2021-04-27
- 简介
pdf
- 844KB
- 页数 5P
- 阅读 85
- 下载 29
为了提高变压器故障诊断正判率,提出了一种基于小样本的最小二乘支持向量机(LS-SVM)多分类电力变压器油中气体分析(DGA)法,即通过相关统计分析和数据的预处理,选择变压油中典型气体作为LS-SVM的输入,然后利用典型故障气体的体积分数在高维空间的分布特性诊断变压器故障类型。该法在小样本条件下可获得最优解,泛化能力很好,且没有传统支持向量机只能分两类的缺陷,很好地解决了变压器多种故障共存的实际情况。试验表明,该方法分类效果很好,可较好地解决变压器放电和过热共存时故障的难分辨问题,故障类型的正判率较高。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
最小二乘支持向量机多分类法的变压器故障诊断 844KB
基于可靠性数据分析和最小二乘支持向量机的电力变压器故障诊断 237KB
小波分解和最小二乘支持向量机的风机齿轮箱故障诊断 464KB
基于最小二乘支持向量机的公路软基沉降预测 197KB
基于最小二乘支持向量机回归的基坑变形预测 287KB
基于最小二乘支持向量机的水泥粒度软测量 407KB
鲁棒最小二乘支持向量机及其在软测量中的应用 555KB
支持向量机的二叉树多分类算法在变压器故障诊断中的应用 276KB
基于最小二乘支持向量机的电力电子电路故障诊断应用研究 243KB
隧道围岩变形预测的最小二乘支持向量机方法 303KB