摘要
本发明公开了一种变压器故障诊断研究方法及系统,涉及变压器故障诊断技术领域,包括基于决策树及其集成方法,并引入SHAP值进行变压器故障数据的特征优选;将优选后的数据划分为训练集和测试集,对训练集进行数据清洗和过采样处理;基于改进的蜣螂算法优化深度混合核极限学习机,构建变压器故障模型,利用变压器故障模型进行故障诊断。本发明提出的特征体系可以有效的优选出变压器故障诊断模型的输入特征,能够有效地利用变压器故障数据并且减少了冗余特征对于诊断模型的影响。本发明提出的改进的蜣螂算法相较于其他启发式人工智能算法具有更加优秀的寻优能力,在相同的迭代次数和范围能够找到深度混合核极限学习机的更加优良的各个参数。
技术关键词
变压器故障诊断
核极限学习机
样本
集成算法
集成方法
特征提取模块
数据处理模块
训练集
邻域
人工智能算法
清洗规则
多项式
标签类别
冗余特征
系统为您推荐了相关专利信息
生物标志物
测序方法
随机森林
检测待测样品
胰腺癌患者
面部表情识别方法
分数阶傅里叶变换
活动形状模型
样本
检测面部
语义分割方法
语义分割模型
金属表面缺陷检测
图像采集系统
模型训练系统