基于AdaBoost-RBF算法与DSmT的变压器故障诊断技术

• 作 者: 刘云鹏 付浩川 许自强 李刚 高树国 董王英
• 机 构: 华北电力大学河北省输变电设备安全防御重点实验室,华北电力大学新能源电力系统国家重点实验室,华北电力大学控制与计算机工程学院,国网河北省电力有限公司电力科学研究院
• 出 处: 电力自动化设备
• 发表日期: 2019年6期
• 关键词: 电力变压器 故障诊断 AdaBoost-RBF DSMT 基本信度赋值 多源信息融合 高冲突性证据 power transformers fault diagn
• 基金项目: 国家自然科学基金资助项目(51407076),中央高校基本科研业务费专项资金资助项目(2015ZD28,2018QN-076),国家电网公司科技项目(5204DY170010).

针对目前浅层机器学习理论在变压器故障诊断上精度不高以及大多数诊断方法参考的信息特征量单一的现状,提出一种基于AdaBoost-RBF算法与Dezert-Smarandache理论(DSmT)的变压器故障诊断方法。选择反映变压器故障信息的油中溶解气体、试验及产气率数据构成诊断参量空间,利用AdaBoost算法改进RBF神经网络算法,应用AdaBoost-RBF算法搭建并行的训练单元构造变压器故障诊断识别框架的基本信度赋值(BBA)。基于多源信息融合的思想,应用DSmT对基本信度赋值进行融合得到最终诊断结论,