|
41.
基于DGA的NRBO-XGBoost变压器故障诊断方法
阮义, 张浩天, 孙建, 刘翔, 夏亮亮, 孙阿欢, 方愿捷
巢湖学院学报
2024, 26 (6):
87-93+128.
DOI: 10.12152/j.issn.1672-2868.2024.06.011
为提高基于机器学习的变压器故障诊断精度,提出了基于油中溶解气体分析(Dissolved Gas Analysis,DGA)的NRBO-XGBoost变压器故障诊断方法。选择极度梯度提升决策树(Extreme Gradient Boosting,XGBoost)模型,结合牛顿-拉夫逊算法(Newton-Raphson-based optimizer,NRBO),通过迭代过程对模型进行寻找最优参数设置,每一轮迭代都会评估当前解决方案的性能,使用找到的最优参数重新训练XGBoost模型,根据比较优化前后的结果,可以明显看到模型性能的提升。通过算例分析对建立的NRBO-XGBoost方法性能进行评估,验证了所提方法对变压器故障诊断的有效性,且收敛性较好,精度较高。
相关文章 |
多维度评价
|
|