基于计算智能的变压器套管状态监测
机器学习
2022-04-22 v1 人工智能
摘要
油中溶解气体分析（DGA）用于监测大型电力变压器套管的状态。从所采集数据判定状态有不同技术，但本工作研究人工智能技术。本工作探究DGA中哪些气体彼此相关、哪些对决策至关重要。在确定相关且关键的气体的基础上，舍弃其余气体，从而减少DGA中的属性数量。进而进一步研究这些新数据集如何影响用于分类完整属性DGA的分类器性能。实验中使用的分类器为反向传播神经网络（BPNN）与支持向量机（SVM），而主成分分析（PCA）、粗糙集（RS）、增量粒度排序（GR++）与决策树（DT）用于约简数据集属性。训练BPNN与SVM分类器时所用的参数保持固定，以在探究减少气体数量影响时营造受控测试环境。本工作进一步引入一种可处理高维与含噪数据集的新分类器——粗糙神经网络（RNN）。
引用
@article{arxiv.2204.10193,
title = {Condition Monitoring of Transformer Bushings Using Computational Intelligence},
author = {Joshua Tshifhiwa Maumela},
journal= {arXiv preprint arXiv:2204.10193},
year = {2022}
}