论文部分内容阅读
随着我国电力工业的迅速发展,变压器数量激增,测试数据越来越庞大,借助工具对变压器进行故障诊断势在必行。电力变压器故障诊断中的测试数据信息不完备、有偏差,且贝叶斯网络处理不确定性问题能力强,文中探讨了用于变压器故障诊断的NB、SB、TAN、BAN和GBN五种分类器模型,并提出了多种贝叶斯网络分类器和SVM组合诊断的变压器故障诊断新方法。实验表明本文提出的组合诊断模型适用于小样本、贫信息的变压器DGA数据,其性能明显优于单一分类器的诊断方法,能满足实际工程的需要,并且该模型的诊断正确率相比其它单一分类器