关键词:
变压器智能诊断模型
实域粗糙集
超参数寻优
摘要:
针对基于油中气体分析数据的传统变压器智能诊断模型准确率容易受到输入特征维度以及超参数的选择影响,本研究提出了基于实域粗糙集和NRBO-XGBoost相结合的变压器智能故障诊断模型。首先,基于实域粗糙集的概念提出了一种具有自适应性能的特征提取算法用于对变压器初始故障特征进行特征提取;其次针对变压器故障诊断中XGBoost受超参数选择影响的缺陷,本研究利用NRBO算法高收敛速度和有效避免局部最优的特点对XGBoost的超参数进行全局寻优,从而提出NRBO-XGBoost模型进行变压器故障诊断;最后通过多组实验对比,相较于其他传统特征,使用本研究所提取特征在多种分类器中的性能都得到了提升,证明了本文所提特征提取算法能有效提取特征中的信息增强模型表现性能。并且NRBO-XGBoost在变压器故障诊断领域相较于其他对比模型仅收敛20次的同时就达到了92.09%的准确率,拥有更优越的表现性能。