基于ANOVA-IBKA-CatBoost的变压器故障诊断方法

基于ANOVA‑IBKA‑CatBoost的变压器故障诊断方法，收集变压器油中溶解气体数据，并基于气体比值对原始气体特征进行扩充；采用方差分析进行F值计算，衡量各特征与变压器故障之间的关联性；根据特征的F值进行排序，并输入至CatBoost模型进行训练，选择最优特征子集；引入镜头成像反向学习策略和自适应t分布策略改进黑翅鸢算法；设置CatBoost模型的超参数初始范围，包括树的数量、树的深度、学习率和随机强度；以最小化错误率为目标函数，应用改进黑翅鸢算法进行超参数优化，通过改进黑翅鸢算法的多轮迭代优化，自动调整CatBoost模型的超参数，当达到最大迭代次数时结束循环。该方法融合了统计分析、智能优化算法及机器学习技术，提高了变压器故障诊断的准确性、鲁棒性。