考虑样本类内不平衡的CHPOA-DBN变压器故障诊断方法

• Published in: 中国电力 Vol. 56; no. 10; pp. 133 - 144
• Main Authors: 王爽, 罗倩, 唐波, 姜岚, 李锦
• Format: Magazine Article
• Language: Chinese
• Published: 三峡大学湖北省输电线路工程技术研究中心,湖北宜昌 443002%国网湖北省电力有限公司超高压公司,湖北武汉 430051 01.10.2023; 三峡大学电气与新能源学院,湖北宜昌 443002
• Subjects: Tent混沌映射; 样本均衡; within-class imbalance; sample balance processing; 类内不平衡; transformer fault diagnosis; Tent chaotic map; DBN network parameters optimization; 变压器故障诊断; DBN网络参数寻优
• ISSN: 1004-9649
• DOI: 10.11930/j.issn.1004-9649.202305039

为解决变压器故障样本类内不平衡与人为确定深度信念网络(deep belief network,DBN)的网络参数导致故障诊断精度低的问题,提出一种基于样本均衡和改进DBN的变压器故障诊断方法.首先,针对合成少数类过采样算法(synthesis minority oversampling technique,SMOTE)生成样本加剧类内不平衡的问题,提出基于改进K均值(improved K-means,IK-means)的IK-means SMOTE算法,据此得到类间、类内均衡的故障样本;其次,利用Tent混沌映射改进的鹈鹕优化算法(chaotic hybrid pelican optimization algorithm,CHPOA)对DBN的隐含层节点数、反向微调学习率寻优,构建CHPOA-DBN变压器故障诊断模型;最后,基于实验数据,分别将经典过采样算法、经典故障诊断模型与所提方法进行对比分析,结果表明:所提方法故障诊断准确率达到96.25%,可以为变压器故障样本不均衡条件下的故障智能诊断提供重要参考.