|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 电力大数据技术与电力系统仿真计算结合问题研究显示文摘电力大数据技术的进步为电力系统各领域提供了新的发展契机。该文探讨了其与电力系统仿真计算相结合的若干基本问题。首先阐述二者已有的基础、技术联系和基本结合方式,强调利用大数据技术包中提供的资源和方法解决实际问题;而后明晰了仿真计算数据与大数据相关的特征及其独有优势。在此基础上,讨论了与开展研发工作相关的若干要点,涉及二者结合适用的问题、开展研究的重点等,同时也说明引入大数据技术可能带来的问题。该文工作为在电力系统仿真计算领域开展大数据技术研究提供了基本框架,为研发工作的全面开展奠定了基础。 | 黄彦浩 于之虹 谢昶 史东宇 周孝信 | 2015 | 中国电机工程学报2015，35，1： | 109 |
| 2 | 基于可拓分析法的电力变压器本体绝缘状态评估显示文摘实现电力变压器状态的准确评估不仅是施行状态检修的核心与基础,同时也是发展智能电网的需要。针对电力变压器故障机理错综复杂和本体绝缘状态具有不确定性,因而难以客观有效评估的问题,以220kV油浸式电力变压器为研究对象,提出了基于物元可拓分析的电力变压器本体绝缘状态评估策略。在对其本体状态评估物元分析的基础上,构造了各评估指标的关联函数,指标关联函数值在正常运行的量变范围内为正,当量变突变到质变时关联函数值取负;通过研究关联函数值与变压器状态的对应关系,探讨了变压器的状态评估策略。实例分析并与其他评估方法比较证明:该方法行之有效,基于物元可拓分析的电力变压器状态评估策略可以为实施状态检修提供参考。 | 廖瑞金 张镱议 黄飞龙 郑含博 杨丽君 | 2012 | 高电压技术2012，38，3： | 58 |
| 3 | 采用改进人工鱼群优化粗糙集算法的变压器故障诊断显示文摘传统的人工智能方法对变压器大量的不完备故障信息不能有效地分析,或在故障数据的离散化过程中由于区间分割不当而无法正确诊断故障甚至误诊。为此,提出了一种基于改进人工鱼群优化粗糙集的变压器故障诊断方法。该方法首先将变压器溶解气体分析(DGA)的值作为条件属性,将故障类型作为决策属性,建立故障决策表,利用鱼群的聚群寻优行为对决策表中的连续属性数据进行离散化;然后采用粗糙集理论对离散化后的决策表进行约简,建立故障诊断规则决策表,大大简化了决策表属性约简的难度,使诊断变得更加简便。最后通过实例验证表明:该方法能够有效地对样本进行离散和约简,与传统方法相比,提高了故障诊断的正确率。 | 陈小青 刘觉民 黄英伟 付波 | 2012 | 高电压技术2012，38，6： | 60 |
| 4 | PCA和KICA特征提取的变压器故障诊断模型显示文摘为了充分利用主元分析(PCA)和核独立主元分析(KICA)特征提取的互补性,提高变压器故障分类正确率,提出了基于PCA和KICA特征提取的变压器故障诊断模型。该模型中,首先,将油中溶解气体分析(DGA)测试样本投影到PCA空间中进行特征提取,采用多核支持向量机(MKSVM)作为分类器进行预分类,采用核密度估计方法估计阈值将测试样本预分类为易识别或难识别样本;对难分类样本则再次投影到KICA空间,采用另一MKSVM作为分类器进行分类识别,实现PCA和KICA双空间特征提取算法;最后,根据故障特征,建立变压器故障诊断模型。实验结果表明,所提出的双空间算法对变压器故障的识别率达到88.61%,比单空间算法和IEC3比值法的识别率分别高10%和24%。 | 唐勇波 桂卫华 彭涛 欧阳伟 | 2014 | 高电压技术2014，40，2： | 49 |
| 5 | 采用自组织RBF网络算法的变压器故障诊断显示文摘针对以往神经网络常采用试凑法设计网络节点的缺陷,提出了一种自组织径向基函数(RBF)神经网络算法。该算法首先通过模糊C-均值(FCM)算法得到初始的RBF神经网络节点数和中心向量,再利用经Gaussian随机分布改进的粒子群优化(PSO)算法对初始RBF神经网络节点数、中心向量、节点连接权值进行优化。利用鸢尾属数据集及葡萄酒数据集对提出的自组织RBF神经网络算法进行了仿真测试,证明该算法对于提高分类精度和优化RBF神经网络结构有一定的作用。最后,将该算法应用到电力机车牵引变压器综合测试及故障诊断系统中,结果证明所提的自组织RBF神经网络诊断算法可有效监测出原系统试验时误报和漏报的故障。 | 付强 陈特放 朱佼佼 | 2012 | 高电压技术2012，38，6： | 37 |
| 6 | 基于四阶段预处理与GBDT的油浸式变压器故障诊断方法显示文摘鉴于传统电力变压器故障诊断方法存在易受数据噪声影响、诊断精度较低和模型参数难以确定等问题,提出了基于四阶段数据预处理和梯度提升树的变压器故障诊断方法。首先,基于变压器油中溶解气体数据提取可充分反映变压器工况的14维特征;其次,采用四阶段数据预处理(local outlier factor、Canopy、K-Means、SMOTE),识别并替换噪声数据,获得去噪样本集;最后,构建基于梯度提升树(GBDT)的故障诊断模型,通过粒子群(PSO)算法实现模型参数的自适应寻优。通过算例中的对比实验,验证了数据预处理及模型参数寻优对故障诊断精度的提升效果;所提出方法与多类传统方法相比,故障诊断精度显著提高,证明了其有效性与实用性。 | 廖伟涵 郭创新 金宇 龚霄 | 2019 | 电网技术2019，43，6： | 34 |
| 7 | 变压器故障特征量可信度的关联规则分析显示文摘变压器在线监测得到的多个特征量对于不同故障类别的潜在信息量不一样,量化各特征量与特定故障类型之间的关联度将对变压器的潜在故障诊断和预测都有着很重要的作用。为此,利用布尔型离散化方法和基于ChiMerge算法的多值离散化方法分别对变压器在线监测的连续数据进行离散化,再利用改进的Apriori关联规则数据挖掘算法计算多个变压器在线监测特征量与各个故障类型之间的可信度。最后在实例中进行了多个特征量与多个故障类型的可信度的计算,结果表明特定特征量与故障类型之间确实存在不同的关联程度,量化关联程度能有效提高故障诊断算法的效率;另外还在实例中进行了多值的关联规则挖掘,结果表明关联规则可以应用在对故障类型划分较细的变压器故障诊断。 | 郑元兵 孙才新 李剑 陈伟根 王有元 | 2012 | 高电压技术2012，38，1： | 27 |
| 8 | 基于特征评估与核主元分析的电力变压器故障诊断显示文摘针对电力变压器故障诊断中的故障特征量数量匮乏、携带的故障信息较为有限,致使故障判断效果不理想等问题,将电气试验数据等与油中溶解气体分析(DGA)相融合所获得的34种特征量作为故障特征量,以完善故障特征信息。在此基础上,将特征评估与核主元分析(KPCA)相结合,构建了一种基于特征评估与核主元分析的故障诊断方法。该方法首先通过特征评估来剔除不敏感故障特征量,以削弱它们对特征提取产生的影响;其次,对经过特征评估后的27维故障特征量进行核主元分析,降低故障特征量的维数;最后,将提取后的9维故障特征量作为输入故障特征向量,采用多分类相关向量机(M-RVM)方法进行故障分类。实例分析表明,该故障诊断方法不仅能有效弥补故障特征量单一等不足,而且更具一般性,其故障诊断准确率达到90.35%,可为故障信息有限情况下的电力变压器故障诊断提供参考。 | 吴广宁 袁海满 高波 李帅兵 | 2017 | 高电压技术2017，43，8： | 27 |
| 9 | 基于近邻传播算法和随机森林回归模型的台区线损率计算方法显示文摘针对低压配网接线方式复杂和线损率难以准确计算的问题,本文提出一种基于近邻传播聚类算法和随机森林回归模型的台区线损率计算方法。基于线路损耗模型提出了台区线损率预测计算的电气特征指标,并利用主成分分析方法提取适用于聚类分析的主特征参数,然后采用近邻传播聚类算法对数据进行聚类分析。在此基础上,采用随机森林回归算法对每类聚类数据进行样本的训练学习,并利用包外数据进行预测。以某地区614个台区样本进行仿真计算,仿真结果验证了本文所提算法的有效性和正确性,并且计算精度要优于多元线性回归算法。 | 赵庆明 | 2020 | 电力系统及其自动化学报2020，32，9： | 20 |
| 10 | 基于贝叶斯优化随机森林的变压器故障诊断显示文摘针对集成学习参数众多,缺乏高效准确的参数寻优方法的问题,文章提出了基于贝叶斯优化随机森林(RF)的变压器故障诊断方法。该方法采用了多个决策树构成RF故障诊断模型,然后将高斯过程(GP)作为概率代理模型、提升策略(PI)作为采集函数,构建贝叶斯优化(BO)算法,进行RF模型参数寻优。此外,还对支持向量机(SVM)和K最近邻(KNN)两种模型进行贝叶斯优化并对比。在RF模型上,将贝叶斯优化与随机搜索优化进行性能对比。实验结果表明:RF模型经贝叶斯参数寻优后,诊断准确率有明显提高;与随机搜索优化方法相比,贝叶斯优化搜索的模型参数更优,寻优效率更高。 | 王雪 韩韬 | 2021 | 电测与仪表2021，58，6： | 19 |
| 11 | 基于DGA的粗糙集与人工鱼群极限学习机的变压器故障诊断显示文摘为有效克服变压器不完备故障样本数据对故障诊断结果的影响,文中构建了一种基于粗糙集的人工鱼群极限学习机变压器故障诊断方法,该方法首先运用粗糙集对决策表中的16个条件属性进行约简;其次,根据最简规则表对训练样本进行编码,利用已编码的训练样本对极限学习机进行训练,并运用人工鱼群优化方法对极限学习机的权值及阈值进行优化;最后,利用训练好的极限学习机方法对编码好的样本进行故障诊断。该方法将粗糙集在不完整数据方面所具有的优良特性与极限学习机优良的泛化能力有机融合,以有效提高故障诊断精度。经实例对比分析表明,所构建方法具有更高的诊断准确率,从而验证了该方法的有效性。 | 雷帆 高波 袁海满 吴广宁 段宗超 | 2017 | 高压电器2017，53，10： | 17 |
| 12 | 基于小波包变换与随机森林的滚动轴承故障特征分析方法显示文摘为实现滚动轴承故障特征分析,提出了一种基于小波包变换(Wavelet Packet Transform,WPT)结合随机森林(Random Forests,RF)的滚动轴承故障分析模型。首先,采用小波包变换对振动信号进行分解,对终端节点进行重构,再计算重构信号及其希尔伯特边际谱的11种统计参数,得到统计特征,构建原始特征集;针对原始特征集中存在的冗余和干扰特征,提出一种基于平均精确率减少的特征选择方法(Features Selection base on Mean Decrease Accuracy,FSMDA),标记特征对轴承故障的重要度,选取重要度高的统计特征用于故障状态识别;最后,利用随机森林实现滚动轴承故障特征分析与状态识别。采用12种轴承故障状态数据进行实验分析,实验结果表明FSMDA能够选择出对故障状态较为重要的特征,提高故障状态识别准确率,并且具有较好的适应性。 | 范春旸 吴守鹏 刘晓文 俞啸 | 2020 | 机械设计与制造2020，，10： | 14 |
| 13 | 基于相对重构贡献的变压器故障诊断方法显示文摘为了充分挖掘油中溶解气体分析(DGA)数据隐藏的故障特征信息,提出了一种基于相对重构贡献(rRBC)的变压器故障诊断新方法。该方法首先利用DGA数据建立主元分析(PCA)模型,基于故障重构的思想,计算样本各变量重构贡献率(RBC);考虑各变量重构贡献率之间的可比性,计算其相对重构贡献率并作为特征量,通过归一化处理来提取故障特征;然后,建立变压器分层故障诊断模型,利用灰关联熵(GRE)信息利用率高等优点,求出待诊模式与各标准模式的综合灰熵关联序,实现故障诊断。实例研究结果表明,所提出的相对重构贡献灰关联熵方法与重构贡献灰关联熵、灰关联熵方法相比,使特征样本集的可分性变大,提高了分类正确率。 | 唐勇波 桂卫华 欧阳伟 | 2012 | 高电压技术2012，38，11： | 14 |
| 14 | 变压器故障样本多维诊断及结果可信度分析显示文摘电力变压器作为电力系统的核心设备,其安全稳定运行对于电力系统具有重要意义。电力变压器在线故障诊断是实现电力变压器实时状态分析的重要方法,油中溶解气体分析是最常用的电力变压器在线故障诊断方法。目前变压器故障诊断征兆优选多采用基于启发式算法的策略,虽然相较于遍历型算法简化了筛选流程,但仍需消耗大量算力。电力变压器融合故障诊断方面的研究多注重于整体诊断效果的提升,未关注单个样本诊断结果可靠性方面的分析。为解决上述问题,该文提出一种结合数据分布的征兆自主离散及征兆自主降维优选、单事件多模型融合分析的变压器状态分析方法。经实例验证,该方法可以有效分析各征兆数据分布,进行征兆优选,可以从单个事件的角度给出变压器运行状态及可信度。 | 李典阳 张育杰 冯健 王善渊 | 2022 | 电工技术学报2022，37，3： | 12 |
| 15 | 数据驱动的地铁车门微小故障智能诊断方法显示文摘车门控制系统是地铁车辆中最重要的子系统之一,其机电部件紧密耦合且存在频繁往复运动,易受环境和乘客干扰,故障率居高不下。为准确检测诊断地铁车门早期故障,本文提出一种大数据驱动的车门故障特征优选方法和基于随机森林(RF)的智能诊断方法。首先,从地铁运营公司累积的大量车门运行状态数据中,提取门扇位置、驱动电机转速和电流信号的多阶段时域特征指标,构建车门运行状态的特征向量;然后,应用距离评估准则,优选对故障敏感度高且对干扰鲁棒性强的车门状态特征,降低特征维度,减少冗余、无关特征的干扰;以优选后的车门状态特征作为RF网络的输入,故障标签作为输出,建立智能故障诊断模型,实现车门系统不同微小故障状态的自动识别。在杭州地铁4号线台架车门上的应用结果表明,所提方法能准确提取早期故障的微弱特征,故障分类模型精度高,故障诊断准确率优于现有其他方法。 | 施文 陆宁云 姜斌 支有冉 许志兴 | 2019 | 仪器仪表学报2019，40，6： | 12 |
| 16 | 基于随机森林方法的地铁车门故障诊断显示文摘针对现有地铁车门故障诊断方法存在的诊断速度慢以及大量故障检修数据未得到合理利用等问题,提出一种基于信息增益率的随机森林故障诊断方法。该方法将地铁车门历史故障数据集转化成决策表,通过Bootstrap重抽样,建立多棵基于信息增益率的决策树,形成随机森林故障诊断模型,实现地铁车门故障的快速诊断。且随着故障数据的增加,其故障诊断模型可以自动更新完善。通过地铁车门实际故障数据,验证了该方法的有效性。同时,通过对随机森林模型中决策树的数目讨论分析,确定了该方法模型的最优设计结构。 | 陈苏雨 方宇 胡定玉 | 2018 | 测控技术2018，37，2： | 10 |
| 17 | 绝缘子污秽放电的声发射核主成分诊断法显示文摘为了提高污秽绝缘子外绝缘状态的诊断准确度,利用绝缘子污秽放电时产生的声发射信号评定其外绝缘状态。通过绝缘子污秽试验,由高灵敏度声信号监测装置检测绝缘子的污秽放电声发射信号;对提取的声发射信号进行核主成分分析,将样本从低维的状态空间非线性的映射到高维核空间,在核空间采用随机森林方法训练得到分类器群,根据分类器群的分类结果对每个测试样本进行投票表决决定其最终分类。分析和诊断试验结果表明,声发射信号的3个原始特征量经核主成分分析后,变换为65个核特征量,有效地提高了分类器群之间的差异性。基于核主成分分析的随机森林模型的状态诊断结果具有很高的准确性。利用污秽放电声发射信号可进行污秽放电阶段的划分,以达到监测绝缘子的外绝缘状态的目的。 | 李自品 舒乃秋 李红玲 汪游胤 | 2012 | 高电压技术2012，38，11： | 8 |
| 18 | 基于随机森林的管网漏失诊断方法显示文摘针对管道漏失诊断多层信息融合决策复杂的问题,提出了一种基于随机森林(RF)融合的管网漏失诊断方法。该方法使用随机森林基于非参数数据驱动的分类特性,利用随机森林的自动抽样技术和节点随机分裂技术,采用独立分量分析(ICA)对负压波和流量信号进行降噪并选择其中的泄漏特征参数作为随机森林的输入,充分利用了不同传感器群组互补和冗余的有效信息进行管道和管网的工况判别。并且随机森林可以衡量传入特征向量中各个特征的重要程度,起到了特征参数数据挖掘的作用,可以进一步简化系统的复杂程度。实验结果表明,该种融合算法相比基于反向传播神经网络(BPNN)及基于支持向量机(SVM)的D-S证据理论算法分别提高了2.2%和6.4%管道漏失诊断的准确率。 | 王学渊 陈志刚 钟新荣 卢宁 | 2018 | 计算机应用2018，38，A01： | 7 |
| 19 | 基于直觉模糊最小二乘支持向量机的变压器故障诊断显示文摘针对基于溶解气体分析的变压器故障诊断数据具有小样本、贫信息且故障诊断结果易受样本中噪声影响的特点,提出一种直觉模糊最小二乘支持向量机算法(IFLS-SVM).先进行相关算法的推导,并设计了基于IFLS-SVM的多类分类器,然后借助Matlab软件实现了电力变压器的相关故障实例诊断,最后将其诊断结果与LS-SVM的几种多分类算法及BP神经网络的诊断结果进行比较.实验结果表明,IFLS-SVM诊断效果较好,抗噪性较强. | 李岩波 张超 郭新辰 | 2014 | 吉林大学学报(理学版)2014，52，2： | 5 |
| 20 | 基于随机森林的风机状态监测数据可视化研究显示文摘针对风电机组状态监测数据可视化存在的直观性不强和交互性差等缺陷,提出基于随机森林的可视化技术。即首先对监测数据进行基于RF的相似性度量,使数据在新特征空间的类可分性增强;然后采用主成分分析法进行特征变换与降维,将多维数据的关系信息变换到适合人类视觉认知的低维空间里;最后对数据在低维空间里采用散点图和平行坐标图进行可视化展示。实验结果表明,风机状态监测数据经过RF处理后,可视化效果良好,便于管理人员从整体上把握数据的集中特性、分布规律以及属性间的关系等信息,对提高风电机组的运行可靠性具有重要意义。 | 郭晓利 温延立 | 2016 | 电测与仪表2016，53，22： | 5 |
您所在的机构暂未开通此部分的功能，请联系管理员