一种电-热-振动多维数据融合的油浸式变压器异常状态辨识方法

本发明公开了一种电‑热‑振动多维数据融合的油浸式变压器异常状态辨识方法，通过分析变压器上多物理场耦合数据，提取关键特征参数，并利用改进的BES‑LSSVM模型进行异常状态辨识。该方法结合多源融合数据挖掘技术和机器学习算法，利用了BES优化算法和最小二乘支持向量机的混合模型对参数进行优化，并通过k‑means聚类算法实现异常工况分类与识别。该方法能够显著提高变压器异常状态评估的准确性和可靠性，有效降低故障发生率和维修成本。