基于支持向量机及油中溶解气体分析的大型电力变压器故.pdf

第 23 卷 第 7期中 国 电 机 工 程 学 报Vol.23 No.7 Jul.2003 2003 年 7 月Proceedings of the CSEE2003 Chin.Soc.for Elec.Eng.文章编号0258-8013200307-0088-05 中图分类号TM835.4 文献标识码A 学科分类号4704027基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究董 明孟源源徐长响严 璋西安交通大学陕西 西安 710049FAULT DIAGNOSIS MODEL FOR POWER TRANSFORMER BASED ON SUPPORTVECTOR MACHINE AND DISSOLVED GAS ANALYSISDONG Ming,MENG Yuan-yuan,XU Chang-xiang,YAN ZhangXian Jiaotong University,Xian 710049,ChinaABSTRACT:A multi-level decision-making model for powertransformer fault diagnosis based on SVM(Support VectorMachine)is presented.Based on correlation analysis,some keygases are selected as the inputs of SVM;furthermore,improving the use of the fault information within DGA(Dissolved Gas Analysis),the fault diagnosis is accomplishedaccording to the concentration distribution of typical fault gasesin higher dimensional space.The proposed approach is basedon seeking the optimal solution by few training samplessupporting,and it has important features such as goodgeneralization and consistency performance,etc,which is verysuitable to solve the problems of less typical fault data fordiagnosis.And the comparison between two kinds of SVM ispresented also.Meanwhile the output of this model is improvedby approaching exactly with K-Nearest Neighbor SearchClassification for the SVM classification results,which isadjacent to optimal separating hyperplane.So the dependabilityof this model is enhanced greatly,and its effectiveness andusefulness is proved.KEY WORDS:Transformer;Fault diagnosis;Dissolved gasesin oil;Support vector machine(SVM);K-NN search摘要提出用支持向量机作为分层决策电力变压器故障诊断模型首先通过相关统计分析选择典型油中气体作为支持向量机输入参数然后在深入发掘油中气体所含故障信息基础上利用典型故障气体的相对含量在高维空间的分布特性进行变压器故障类型诊断该方法基于小训练样本条件下寻求最优解具有很好的推广能力及一致性等优 基金项目国家自然科学基金项目59637200东北电力集团项目 Project Supported by National Natural Science Foundation of China59637200点还适用于变压器典型故障数据少的特点文中还给出了两种不同支持向量机核函数分类结果的比较为了提高故障诊断的正判率该模型同时在相关性强的特征气体之间利用 K-近邻搜索聚类在最优分类面附近对分类结果进行精确逼近使分层决策模型可靠性显著改善计算结果表明该模型具有很好的分类效果关键词变压器故障诊断油中溶解气体支持向量机K-近邻搜索1 引言电力变压器属电力系统中的重要设备而油中溶解气体分析DGA技术是目前对油浸变压器进行故障诊断最方便有效的手段之一它往往能较准确可靠地发现逐步发展的潜伏性故障防止由此引起重大事故在油中溶解气体的诊断方面主要采用 IEC/IEEE 推荐的方法也有不少国家结合自己的具体情况制定了各不相同的油中气体的可接受水平及故障判断规则1我国相关规程基本上沿用 IEC 三比值法2已为及时发现变压器故障隐患发挥了重要作用但在现场应用中也发现不少问题主要有缺编码编码边界过于绝对等针对这些不足各种智能技术如模糊推理人工神经网络等已被引入变压器的故障诊断中并取得了比较好的效果3-5分析变压器故障产气的机理可知单一类型的变压器故障与油中气体含量之间并没有明确的函数映射关系气体含量的分布特性也很难推测而实际现场数据的采集精度及数量也很有限传统方万方数据第 7 期董 明等 基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究89法都是基于统计学渐进理论基础上发展起来的即当样本数量趋向于无穷大时的极限特征但在工程实际中这样的前提条件往往难以满足当问题处在高维空间时尤其如此因此基于经验风险的最小化原理在实际应用中具有很大的局限性本文将统计学习理论中的通用学习方法 支持向量机引入到变压器诊断中利用置信范围最小化以控制诊断中风险问题并在深入挖掘变压器油中气体所含故障信息的基础上利用分层决策解决大类别分类问题的同时将 K-邻近搜索聚类应用于分层决策修正了支持向量分类器参数难于选择带来的误差该模型可有效地求取变压器油中气体特征空间中的最优解提高了故障诊断的正确性2 支持向量机基础2.1 概述支持向量机SVM是不同于神经网络的另外一种模式识别方法它是在小样本学习条件下通过选择适当的模型最优分类面以保持置信范围的固定从而使经验风险最小化它避免了学习过程中易陷入局部极小的缺点并在提高学习一致性的同时通过事先选择的非线性映射 将输入向量 x 映射到一个高维特征空间 Z用来构造最优分类超平面这时并不需要以显示形式来考虑特征空间只需能够计算特征空间中的向量的点积),()()(yxyZxZK=因此可以在对于特征空间的实际特征不清楚的条件下得出最优解从而为问题的解决提供了便利条件62.2 广义最优分类面支持向量机是从线性可分情况下的最优分类面发展而成的其基本思想如图 1 所示的两类线性可分问题图中空心点和十字分别表示两类的训练样本 H 为把这两类没有错误地分开的分类线 H1最优分类面间隔H1HH2图 1 最优分类超平面Fig.1 Optimal separating hyperplaneH2分别为各类样本中离分类线最近且平行于分类线的直线而 H1和 H2之间的距离是两类的分类间隔并将 H1H2上的训练样本点称作支持向量该最优分类面不但能将两类无错误地分开而且要使分类间隔最大前者保证经验风险最小而后者使推广性的界中的置信范围最小从而使问题的真实风险最小推广至线性不可分情况为了描述分类超平面并考虑到存在不能被分类超平面正确分类的样本引入了松弛向量0i则超平面的约束条件为01)(+iiibxwy (1)式中 w 为超平面法线方向b 为常数再经过进一步的简化在线性不可分的情况下广义最优分类面问题可转化为)()(21),(1=+=niiCwww (2)式中 C 为某个制定的常数控制错分样本惩罚的程度实现在错分样本的比例与算法复杂度之间的折衷2.3 最优分类面的构造要寻找最优分类面就是要求解如上所述的二次规划问题找出唯一的极小点在此仅讨论非线性可分的情况该优化问题可由拉格朗日泛函的鞍点给出+=liiCwwabwL1)(21),(=+liiiliiiiiybxwa111)(3)式中 0ia0iai为拉格朗日乘子根据优化理论的 Kuhn-Tucker 定理7利用Cai0所对应的样本即可求出分类阈值 b最后可得到基于最优超平面的决策函数)sgn()(bxwxf+=(4)3 K-近邻搜索聚类基础最近邻法是非参数模式识别的方法之一对于未知样本x只要比较 x与=ciiNN1个已知类别的样本之间的欧氏距离就能决策 x与它最近的样本是否同类而 K-近邻搜索聚类(K-NN Search)是最近邻法的一种推广在 N 个样本中来自 w1类的样本有 N1个来自 w2类的有 N2个来自 wc类的有 Nc个若 k1k2kc分别是 k 个万方数据90中 国 电 机 工 程 学 报第 23 卷近邻中属于 w1w2wc类的样本数则可以定义判别函数为cikxgii,2,1,)(=(5)决策规则为iijkxgmax)(=则决策jwx理论上如果样本数 N 及近邻数 k 趋于无穷时K-邻近法则为最优分类但在实际问题中样本数 N是有限的所以在 K-邻近法中总希望采用大一些的近邻数 k 值以减少错误率另一方面又要求 k 个近邻都很靠近x故本文在选择 k 值时采取折衷的考虑使它总是样本总数的一小部分为了避免k1k2的情况在此处选择 k 为奇数84 变压器故障的分层诊断模型在深入挖掘变压器油中溶解气体所含故障信息的基础上才能作出更为准确的故障诊断结论9变压器油中气体自身测量结果的模糊性反映故障能力的迟滞性表现不同类型故障的灵敏性各异等特点为准确的故障诊断造成了很大的困难何况故障现象明确的现场 DGA 数据搜集的难度大变压器故障产生机理不明确等又为故障诊断增加了难度为适应故障诊断的这种要求本文一方面采用分层决策的模型基于小训练样本的条件下由粗到细逐步将故障进行分类使诊断不断深入逐渐靠近故障的真实情况另一方面将 K-邻近搜索聚类和 SVM 引入决策模型以完成具体的分类计算如此的模型设计出于两个目的 分层决策模式的采用可以降低需分类的类别数目减少大类别情况下多种类别分布非常接近的可能性避免出现错分从而达到提高诊断效果的目的 单一 SVM分类器参数设计复杂况且 SVM 算法目前无法与具体 DGA 数据的各种先验知识结合如果仅仅不加区别地同等对待分类问题势必造成误差的引入尤其对于处于可疑诊断区如图 1 所示的H1H2之间的区域的数据问题更是如此为了提高 SVM 对 DGA 数据分类效果引入 K-近邻搜索聚类修正其结果它首先以 SVM 的分类结果为基础然后将支持向量与可疑区 DGA 数据一起作为训练样本在更小范围内进行新的聚类分析完成整个分类计算过程此方法既兼顾 DGA 数据在特征空间分布特性更为了提高分类的可靠性一种分层决策模型如图 2 所示图中 KNN 为 K-近邻搜索聚类DGASVM-KNN0SVM-KNN1 SVM-KNN2导电回路过热导磁回路过热涉及固体绝缘放电不涉及固体绝缘放电过热放电图 2 基于 SVM 分层故障诊断决策模型Fig.2 Multi-level fault diagnosis model based on SVM5 基于支持向量机的分层决策模型5.1 基于油中溶解气体的故障分类本文针对收集到 980 台故障明确的变压器油中气体含量的数据先除掉了一些数据不够全及测量结果明显有误的数据后得到 811 组故障变压器的油中气体数据为了在分类过程中使得分类模型在复杂性与推广性之间求得平衡以避免欠学习或过学习的出现分类模型的合理设计是十分重要的在分析变压器故障特点的基础上仅依靠 DGA本身所含有限的故障信息支持下直接将故障定位到部位的分类模型其可靠性将不稳定推广性将很差因此本文先按照故障模式分类将故障发生的部位使用分层决策的方法如图 2 所示将故障由粗到细划分为导电回路过热导磁回路过热涉及固体绝缘的放电和不涉及固体绝缘的放电105.2 故障特征量的选择考虑到各种气体组分含量之间的巨大差异性及分散性为降低其相互之间由于量值差异造成的影响对 DGA 原始数据进行归一化处理以降低气体之间的互斥性11另外反映故障特点的特征很多如何选择具有代表性的变量以便实现在采用少量有代表性的变量代替大变量集时所损失的信息最少这又成为了进一步进行有效故障识别的关键根据得到的数据本文利用逐步判别统计分析方法试图通过分析选择最能反映故障类型差异的气体组分组合作为 SVM 的输入从而建立较好的故障信息到故障类型的映射关系在该分析中气体相对含量能否作为输入成员进入模型主要取决于协方差分析的 F 检验的显著性水平以总体 DGA归一化数据为例其分析结果见表1所示由结果可以看出DGA 数据在经过归一化处理后 随步数增加逐渐降低这表明气体各组份相对含量是独立的而且显著性水平 均为零这也说明相对含量对分类均是高度有效的输入变量万方数据第 7 期董 明等 基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究91故本文以 H2CO2COCH4C2H6C2H4C2H2的相对含量作为 SVM 分类器的输入变量表 1 变压器油中特征气体相对含量逐步统计分析结果Tab.1 Results of statistic analysis of relativeconcentrations of DGA step-by-stepDGA步数Wilks lambda()显著性水平C2H610.6120.000C2H220.3780.000C2H430.3570.000H240.3320.000CO50.3270.000CH460.3260.000CO270.3250.000 注为 U 统计分析中显著性水平5.3 分类模型的执行步骤根据变压器 DGA 数据应用 SVM 分类模型进行数据处理分析从而识别变压器内部发生的故障其中包括数据预处理模式分类等部分见图3数据处理归一化相对含量SVM 分类处于可疑区K-邻近法分类故障模式DGA数据处于非可疑区图 3 变压器故障分类模型诊断流程Fig.3 Flow chart of fault diagnosis for power transformer6 分层决策模型故障识别6.1 支持向量机故障识别支持向量机在确定核函数后通过训练迭代运算就可以得到最优权系数进而供实际应用但DGA 数据还不够多很难推测出其分布这给核函数的选择造成了很大的困难本文中采用择优选择的方法分别使用多项式形式和径向基作为核函数比较其分类效果见表 2表 2 支持向量机故障分类结果Tab.2 Results of fault classification based on SVM支持向量个数训练样本分类正判率/%检验样本分类正判率/%SVM 分类器类型总体放电过热总体放电过热总体放电过热多项式12915529994.885.988.695.785.185.4径向基12414727695.785.988.695.785.186.8如表 2 所示采用径向基核函数的性能要比多项式更好分类正判率相对较高对于不知分类问题概率分布的情况下采取径向基核函数可以取得较好的推广效果从中可以得到四个结论 该实验说明了 SVM 方法较传统方法有明显的优势正判率大为提高同时也说明不同的支持向量机可以得到分类性能相近的结果而不像神经网络那样十分依赖于对模型的选择 该实验得到两种不同的支持向量机最终得出的支持向量只是总训练样本中的很少一部分而且两组支持向量中有 80以上是重合的这也说明支持向量本身对不同方法具有一定的不敏感性故方法的选择应针对实际问题不同 对于误判的数据全部位于诊断可疑区间内如果引入另外的故障信息必定能提高诊断的效果 训练和检验样本数据的正判率相差不多说明 SVM 分类器的推广性很强为SVM 更进一步实际故障分类应用提供了保证6.2 K-邻近法故障识别通过 SVM 故障识别过程可以得到支持向量并确定出可疑区间接着以支持向量及可疑数据作为 K-邻近法的训练样本由于在可疑区间内数据的分布较集中误差的代价就相对于包括非可疑区间所有数据作为训练样本时小得多而且效果也明显提高以总体故障识别为例其故障判别图谱如图 4 所示0 50 100 150 200 250检验样本数量(a)原始模式图谱放电故障过热故障0 50 100 150 200 250检验样本数量(b)SVM 分类结果图谱放电故障过热故障0 50 100 150 200 250检验样本数量(c)SVM-KNN分类结果图谱放电故障过热故障图 4 分层决策分类器输出结果Fig.4 The outputs of multi-level decision-making classifiers万方数据92中 国 电 机 工 程 学 报第 23 卷7 故障诊断应用实例本文将典型样本及输入矢量的选取方法综合应用于组合分类识别模型后其诊断准确率如表 3所示表中还列出了对同样样本用基于模糊数学的范例检索算法的诊断结果12可见本文分层决策诊断模型确有明显的提高表 3 分层决策模型实例Tab.3 The application of power transformer fault diagnosis故障类型检验样本数正判台次正判率/%总正判率/%导电回路过热6562/5895.4/89.2导磁回路过热7972/7091.1/88.6涉及固体绝缘放电4744/4293.6/89.4不涉及固体绝缘放电4138/3392.7/80.593.1/87.5 注a/ba 为采用基于本文算法的诊断结果b 为采用基于模糊数学的诊断结果8 结论1支持向量分类器有助于深入挖掘有关监测参数中所含的故障信息以便在有限的小训练样本的条件下也能得到比较准确的诊断结果同时支持向量分类器是一种通用的机器学习算法避免了以大样本为基础时误差难以控制的不足因而具有很强的推广性2支持向量分类器参数的选择成为了其实际应用的难点本文采用 K-邻近搜索聚类与 SVM两种分类方法根据样本数据在特征空间的实际分布关系将支持向量器的分类结果进行修正取得很好的效果3文中的实例表明组合分类识别模型具有很好分类性能将其应用于故障诊断或维修策略的制定有良好前景参考文献1 Duval M Langdeau F Gervais P et al Acceptable gas-in-oil levelsin generation and transmission power transformers,electrical insulationand dielectric phenomenaCAnnual Report,Conference on 1990Pocomo ManorPAUSA2 GB7252-87变压器油中溶解气体分析和判断导则Guide to theanalysis and diagnosis of gases dissolved in transformer oilS3 Su Q Mi C Lai L L et al A fuzzy dissolved gas analysis method forthe diagnosis of multiple incipient faults in a transformerJIEEETransactions on Power Systems200015(2)593-5984 Islam S MWu TLedwich G A novel fuzzy logic approach totransformer fault diagnosisJIEEE Transactions on Dielectrics andElectrical Insulation20007(2)177-1865 孙辉李卫东孙启忠Sun HuiLi WeidongSun Qizhong判决树方法用于变压器故障诊断的研究Electric power transformerfault diagnosis using decision treeJ中国电机工程学报Proceedings of the CSEE200121(2)50-556 Vapnik V NThe nature of statistical learning theory MNew YorkSpringer-Verlag19957 Bertsekas D PNonlinear programmingMBelmontAthena Sci-entific19958 边肇祺张学工模式识别M北京清华大学出版社19989 尚勇严春江 严璋 等 Shang Yong Yan Chunjiang Yan Zhanget al基于信息融合的大型油浸电力变压器故障诊断Syntheticinsulation fault diagnosis model of oil-immersed power transformersutilizing informa-tion fusionJ中国电机工程学报Proceeding ofthe CSEE200222(2)115-11810 钱政尚勇严璋Qian ZhengShang YongYan Zhang用多元统计分析识别变压器过热及放电性故障Recognition ofoverheating and discharging fault of power transformerusing mul-tivariate statistical analysisJ高 电 压 技 术High VoltageEngineering199925(2)6-811 钱政杨莉严璋Qian ZhengYang LiYan Zhang组合神经网络模型中典型训练样本集的选取Selection of typical samplesin combinatorial neural networkJ高电压技术High VoltageEngineering199925(4)1-612 钱政 高文胜 尚勇 等 Qian Zheng Gao Wensheng Shang Yonget al基于范例推理的变压器油中气体分析综合诊断模型Synthetic diagnosis model applying case-based reasoning indissolved gas analysis of transformer oilJ电工技术学报Transactions of China Electrotechnical Society200015(5)42-57 收稿日期2003-03-03 作者简介 董 明1978-男博士研究生主要从事电力变压器故障诊断技术的研究 孟源源1980-男硕士研究生主要从事专家系统在电力设备诊断中的应用研究 徐长响1979-男硕士研究生主要从事专家系统在电力设备诊断中的应用研究 严 璋1934-男教授博士生导师主要从事高电压工程及检测诊断技术的教学与研究责任编辑 韩 蕾万方数据基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究究作者：董明，孟源源，徐长响，严璋作者单位：西安交通大学,陕西,西安,710049刊名：中国电机工程学报英文刊名：PROCEEDINGS OF THE CHINESE SOCIETY FOR ELECTRICAL ENGINEERING年，卷(期)：2003,23(7)被引用次数：89次 参考文献(12条)参考文献(12条)1.Duval M;Langdeau F;Gervais P Acceptable gas-in-oil levels in generation and transmission power transformerselectrical insulation and dielectric phenomena2.GB7252-1987.变压器油中溶解气体分析和判断导则 19873.SU Q;Mi C;Lai L L A fuzzy dissolved gas analysis method for the diagnosis of multiple incipient faults in atransformer外文期刊 2000(02)4.Islam S M;Wu T;Ledwich G A novel fuzzy logic approach to transformer fault diagnosis外文期刊 2000(02)5.孙辉;李卫东;孙启忠 判决树方法用于变压器故障诊断的研究期刊论文-中国电机工程学报 2001(02)6.Vapnik V N The Nature of Statistical Learning Theory 19957.Bertsekas D P Nonlinear programming 19958.边肇祺;张学工 模式识别 19989.尚勇;严春江;严璋 基于信息融合的大型油浸电力变压器故障诊断期刊论文-中国电机工程学报 2002(02)10.钱政;尚勇;严璋 用多元统计分析识别变压器过热及放电性故障(Recognition of overheating and discharging fault of powertransformer using multivariate statistical analysis)期刊论文-高电压技术 1999(02)11.钱政;杨莉;严璋 组合神经网络模型中典型训练样本集的选取期刊论文-高电压技术 1999(04)12.钱政;高文胜;尚勇 基于范例推理的变压器油中气体分析综合诊断模型(Synthetic diagnosis model applying case-basedreasoning in dissolved gas analysis of transformer oil)期刊论文-电工技术学报 2000(05)本文读者也读过(2条)本文读者也读过(2条)1.孙辉.李卫东.孙启忠.SUN Hui.LI Wei-dong.SUN Qi-zhong 判决树方法用于变压器故障诊断的研究期刊论文-中国电机工程学报2001,21(2)2.莫娟.王雪.董明.严璋 基于粗糙集理论的电力变压器故障诊断方法期刊论文-中国电机工程学报2004,24(7)引证文献(95条)引证文献(95条)1.司马莉萍.黄松波.豆朋.舒乃秋.李自品 基于 SVM 的电力变压器内部故障部位的概率估计期刊论文-电力系统保护与控制 2012(14)2.刘明亮.甄建聚.孙来军.李江游 基于DS证据理论的SVM分类模糊域数据修正期刊论文-电力自动化设备 2012(3)3.赵立华.李洋流.李国强 基于气体传感器的变压器在线DGA系统的研究期刊论文-传感器与微系统 2009(11)4.王晓霞.王涛 基于粒子群优化神经网络的变压器故障诊断期刊论文-高电压技术 2008(11)5.朱永利.吴立增.李雪玉 贝叶斯分类器与粗糙集相结合的变压器综合故障诊断期刊论文-中国电机工程学报 2005(10)6.DENG Hong-gui.CAO Jian.LUO An.XIA Xiang-yang Application of extension method to fault diagnosis of transformer期刊论文-中南工业大学学报（英文版）2007(1)7.肖燕彩.朱衡君 基于最小二乘支持向量机的电力变压器故障诊断期刊论文-电力自动化设备 2007(9)8.贾嵘.徐其惠.李辉.刘伟.杨可 最小二乘支持向量机多分类法的变压器故障诊断期刊论文-高电压技术 2007(6)9.白丽.胡晓光 断路器故障诊断专家系统研究期刊论文-东北水利水电 2012(1)10.吴炳胜.徐芮.姜金俊 基于EMD-SVM镜像延拓的转子故障诊断研究期刊论文-河北工程大学学报（自然科学版）2012(1)11.刘卫华.廖瑞金.杨丽君 基于点密度加权核模糊聚类的变压器故障诊断方法期刊论文-电力自动化设备 2012(6)12.王世强.张冠军.魏建林.黄新波.陈玉峰 纸板的老化状态对其PDC特性影响的实验研究期刊论文-中国电机工程学报 2011(34)13.赵文清.陈艺鑫.王晓辉 一种变压器故障诊断新方法期刊论文-计算机工程与应用 2009(34)14.王雷.张瑞青.盛伟.徐治皋 基于模糊规则和支持向量机的凝汽器故障诊断期刊论文-热能动力工程 2009(4)15.费胜巍.苗玉彬.刘成良.张晓斌 基于粒子群优化支持向量机的变压器故障诊断期刊论文-高电压技术 2009(3)16.费胜巍.孙宇 融合粗糙集与灰色理论的电力变压器故障预测期刊论文-中国电机工程学报 2008(16)17.邓宏贵.罗安.曹建.丁家峰.王会海 基因多点交叉遗传算法在变压器故障诊断中的应用期刊论文-电网技术 2004(24)18.尹金良.朱永利.俞国勤.邵宇鹰.关宏 基于高斯过程分类器的变压器故障诊断期刊论文-电工技术学报 2013(1)19.胡泽江.张海涛 可拓关联函数与属性约简相结合的变压器故障诊断方法期刊论文-南方电网技术 2011(z2)20.韩富春.廉建鑫.高文军.崔凯 改进PSO与模糊聚类相结合的变压器故障诊断期刊论文-电气技术 2011(5)21.吴兴伟 基于支持向量自回归的大型离心式水泵振动状态预测研究期刊论文-节水灌溉 2010(4)22.吴兴伟.迟道才 锅炉给水泵轴承温度变化状态预测期刊论文-轴承 2009(2)23.郑建柏.朱永利 基于欧氏聚类和支持向量机的变压器故障诊断期刊论文-电力科学与工程 2008(4)24.张红梅 支持向量机方法及其在电力系统中的应用期刊论文-扬州职业大学学报 2007(2)25.朱志宇.刘维亭 基于支持向量机的船舶柴油机故障诊断期刊论文-船舶工程 2006(5)26.孙来军.胡晓光.纪延超 基于支持向量机的高压断路器机械状态分类期刊论文-电工技术学报 2006(8)27.王永强.律方成.李和明 基于粗糙集理论和贝叶斯网络的电力变压器故障诊断方法期刊论文-中国电机工程学报 2006(8)28.王永强.律方成.李和明 基于贝叶斯网络和DGA的变压器故障诊断期刊论文-高电压技术 2004(5)29.朱永利.尹金良 组合核相关向量机在电力变压器故障诊断中的应用研究期刊论文-中国电机工程学报 2013(22)30.张翠玲.王大志.江雪晨.宁一 DTBSVM的向量投影法在变压器故障诊断中的应用期刊论文-合肥工业大学学报（自然科学版）2013(10)31.尹金良.朱永利 支持向量机参数优化及其在变压器故障诊断中的应用期刊论文-电测与仪表 2012(5)32.邹杰慧 基于新型编码隶属函数的变压器故障模糊诊断法期刊论文-电力自动化设备 2010(7)33.张哲.朱永利 用SVM和LS-SVM分析变压器故障诊断期刊论文-微型机与应用 2009(8)34.江伟.罗毅.涂光瑜 基于多类支持向量机的变压器故障诊断模型期刊论文-水电能源科学 2007(1)35.马骞.杨以涵.刘文颖.齐郑.郭金智 多输入特征融合的组合支持向量机电力系统暂态稳定评估期刊论文-中国电机工程学报 2005(6)36.李黎.张登.谢龙君.俞斌.林福昌 采用关联规则综合分析和变权重系数的电力变压器状态评估方法期刊论文-中国电机工程学报2013(24)37.田竞.王彧 基于最小二乘支持向量机的电力变压器故障诊断期刊论文-仪器仪表与分析监测 2008(1)38.熊浩.张晓星.廖瑞金.常涛.孙才新 基于动态聚类的电力变压器故障诊断期刊论文-仪器仪表学报 2007(3)39.王永强.律方成.李和明 基于贝叶斯网络和油中溶解气体分析的变压器故障诊断方法期刊论文-电工技术学报 2004(12)40.杨洪.古世甫.陶加贵.苟建 自适应分级多分类支持向量机在变压器故障诊断中的应用期刊论文-高压电器 2010(5)41.熊浩.李卫国.宋伟.王勇.杨俊.李令 概率聚类技术应用于变压器DGA数据故障诊断期刊论文-高电压技术 2008(5)42.孙斌.周云龙 基于支持向量机和小波包能量特征的气液两相流流型识别方法期刊论文-中国电机工程学报 2005(17)43.尹金良.朱永利.俞国勤 基于多分类相关向量机的变压器故障诊断新方法期刊论文-电力系统保护与控制 2013(5)44.李明.曾伟胜.程贵兵 基于改进支持向量机的抽汽管道阻力特性混合建模期刊论文-华北电力大学学报(自然科学版)2013(1)45.符杨.张雷.江玉蓉.左官芳 基于可靠性数据分析和最小二乘支持向量机的电力变压器故障诊断期刊论文-变压器 2010(9)46.谢庆.彭澎.唐山.李燕青.郑娜.律方成 基于云物元分析原理的电力变压器故障诊断方法研究期刊论文-高压电器 2009(6)47.荣命哲.王小华.刘定新.吴翊.杨飞 基于遗传算法和模糊逻辑的油浸式电力设备故障诊断方法期刊论文-中国电机工程学报2006(z1)48.朱志宇.张冰.刘维亭 模糊支持向量机在船舶柴油机故障诊断中的应用期刊论文-中国造船 2006(3)49.鹿卫国.戴亚平.高峰 一种基于概率分布估计的水电机组故障预警方法期刊论文-中国电机工程学报 2005(4)50.王春林.周昊.周樟华.凌忠钱.李国能.岑可法 基于支持向量机的大型电厂锅炉飞灰含碳量建模期刊论文-中国电机工程学报2005(20)51.梁永亮.李可军.牛林.赵建国.孙林升 一种优化特征选择-快速相关向量机变压器故障诊断方法期刊论文-电网技术 2013(11)52.鄢仁武 改进GA-BP算法在变压器色谱故障诊断中的应用期刊论文-福建师范大学学报（自然科学版）2013(6)53.尹金良.朱永利.俞国勤 相关向量机及其在变压器故障诊断中的应用期刊论文-电力自动化设备 2012(8)54.沙立成.宋珺琤 基于改进粒子群优化LS-SVM的变压器故障气体预测期刊论文-华北电力大学学报 2011(1)55.王辉 基于物元分析原理的变压器故障诊断期刊论文-电气开关 2011(5)56.熊浩.孙才新.李小虎 基于克隆选择分类算法的电力变压器故障诊断期刊论文-电网技术 2006(4)57.方瑞明.马宏忠 基于最小二乘支持矢量机的异步电机转子故障诊断研究期刊论文-电工技术学报 2006(5)58.熊浩.孙才新.陈伟根.杜林.廖玉祥 电力变压器故障诊断的人工免疫网络分类算法期刊论文-电力系统自动化 2006(6)59.郭鹏程.李辉.袁江霞.罗兴锜 基于改进支持向量机的水电机组多类轴心轨迹智能识别期刊论文-农业工程学报 2013(15)60.王罡.杨海涛.胡伟涛.黄华平.李宁远 基于改进遗传算法与LS-SVM的变压器故障气体预测方法期刊论文-高压电器 2010(9)61.常涛.张晓星.熊浩.孙才新 动态隧道模糊C均值算法用于变压器油中溶解气体分析期刊论文-高电压技术 2009(9)62.王雷.徐治皋.司风琪 基于支持向量回归的凝汽器清洁系数时间序列预测期刊论文-中国电机工程学报 2007(14)63.熊浩.孙才新.廖瑞金.李剑.杜林 基于核可能性聚类算法和油中溶解气体分析的电力变压器故障诊断研究期刊论文-中国电机工程学报 2005(20)64.董秀成.陶加贵.王海滨.刘帆 自适应模糊支持向量机增量算法在变压器故障诊断中的应用期刊论文-电力自动化设备 2010(11)65.刘同杰.刘志刚.韩志伟 自适应模糊支持向量机邻近增量算法在变压器故障诊断中的应用期刊论文-电力系统保护与控制 2010(17)66.赵庆明.李永丽.贺家李 基于支持向量机的电流互感器饱和补偿算法期刊论文-电网技术 2008(4)67.孙来军.胡晓光.纪延超 一种基于振动信号的高压断路器故障诊断新方法期刊论文-中国电机工程学报 2006(6)68.郭泽民 基于免疫