基于经验模态分解与分层集成分类器的电力变压器故障检测方法
机器学习
2021-10-25 v1 信号处理
统计计算
摘要
本文提出一种基于经验模态分解（Empirical Mode Decomposition, EMD）的方法，用于从溶解气体分析（Dissolved Gas Analysis, DGA）数据检测变压器故障。基于比值法的 DGA 参数按其偏度排序。由排序后的 DGA 参数获得本征模态函数系数的最优集合。提出一种采用 XGBoost 的分层分类方案，对特征进行分类以识别六类不同的变压器故障。所提方法在公开可用的 377 台变压器 DGA 数据上的性能得到研究。结果表明，该方法在变压器故障检测中可获得超过 90% 的灵敏度与准确率，优于常规方法以及若干现有基于机器学习的技术。
引用
@article{arxiv.2110.11451,
title = {An EMD-based Method for the Detection of Power Transformer Faults with a Hierarchical Ensemble Classifier},
author = {Shoaib Meraj Sami and Mohammed Imamul Hassan Bhuiyan},
journal= {arXiv preprint arXiv:2110.11451},
year = {2021}
}
备注
04 pages, 04 figures, Conference