| 摘要: |
| 变压器故障诊断本质为多分类问题，具有故障样本数据少，故障不确定因素多的特点。现有变压器故障诊断方法中，贝叶斯网络(BN)需要大量样本数据且计算量大，支持向量机(SVM)存在规则化系数确定困难的局限。针对此现状，提出基于多分类相关向量机(M-RVM)的变压器故障诊断新方法。该方法以变压器溶解气体含量比值作为M-RVM模型的输入，采用快速type-II 最大似然(Fast Type-II ML)和最大期望估计(EM)的方法进行模型推断，诊断输出为各故障类别的概率，以概率最大的故障类别作为诊断结果。实例分析表明该方法诊断速度较快，能满足工程需要，同基于BN和SVM的变压器故障诊断方法相比，具有较高的诊断正确率。 |
| 关键词: 多分类 相关向量机 贝叶斯网络 支持向量机 变压器故障诊断 |
| DOI：10.7667/j.issn.1674-3415.2013.05.014 |
|
| 基金项目:河北省自然科学基金资助项目(E2009001392) |
|
|
|
| () |
| Abstract: |
|
| Key words: |
