面向变压器寿命损失估计的数据融合与机器学习集成方法
系统与控制
2017-11-10 v1 机器学习
摘要
机器学习方法及其应用的快速增长为改进变压器资产管理提供了新机遇。相应地，电力系统运营商目前正在寻求数据驱动的方法，以在网络管理方面做出更明智的决策。本文集成机器学习与数据融合技术来估计变压器寿命损失。基于 IEEE Std. C57.91-2011，提出了一种根据每小时变压器负荷与环境温度值的数据合成过程。该合成数据被用于通过自适应神经模糊推理系统（ANFIS）和径向基函数（RBF）网络来估计变压器寿命损失，二者进一步融合以改进估计精度。在各种数据融合技术中，选取有序加权平均（OWA）与序贯卡尔曼滤波器来融合所估计的 ANFIS 与 RBF 的输出结果。仿真结果证明了所提方法的优点与有效性。
引用
@article{arxiv.1711.03398,
title = {Data Fusion and Machine Learning Integration for Transformer Loss of Life Estimation},
author = {Mohsen Mahoor and Amin Khodaei},
journal= {arXiv preprint arXiv:1711.03398},
year = {2017}
}