在电网的安全运行中,电力变压器的安全运行起着十分重要的作用,对其故障进行提前预测可避免严重故障的发生,减少经济和人力等损失。该文在小样本溶解气体分析(dissolved gas analysis,DGA)数据的基础上,对变压器的故障进行预测诊断。首...在电网的安全运行中,电力变压器的安全运行起着十分重要的作用,对其故障进行提前预测可避免严重故障的发生,减少经济和人力等损失。该文在小样本溶解气体分析(dissolved gas analysis,DGA)数据的基础上,对变压器的故障进行预测诊断。首先利用在线监测器来获取DGA数据,随后用带自举重采样的Bagging算法的集成学习(ensemble learning,EL)来处理小样本数据,最后将纵横交叉优化的神经网络(cross-sectional optimization neural network,CSO-NN)用于DGA数据的短期预测,达到预测变压器故障的目标。最后将该方法在实例中进行应用,实例研究表明,该文提出的EL-CSO-NN算法可以达到良好的变压器故障预测及分类效果。展开更多
