[發(fā)明專利]一種基于代價敏感和集成學習的變壓器故障診斷方法

在審

• 申請?zhí)枺?/td>: 202010721965.5
• 申請日: 2020-07-24
• 公開（公告）號: CN111860658A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設計）人: 劉云鵬;和家慧;劉一瑾;王權
• 申請（專利權）人: 華北電力大學（保定）
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/00;G06Q50/06
• 代理公司: 北京科億知識產(chǎn)權代理事務所(普通合伙) 11350
• 代理人: 李興林

1.一種基于代價敏感和集成學習的變壓器故障診斷方法，其特征在于，包括以下步驟：

S1，對多種變壓器故障數(shù)據(jù)進行預處理，分為訓練樣本集和測試集；

S2，基于AdaCost算法建立變壓器故障診斷模型，令訓練樣本集為X＝{(x₁,y₁),(x₂,y₂),…,(x_m,y_m)}，其中x_i為油中溶解氣體構成的樣本特征向量，y_i為故障類型標簽，x_i∈X,y_i∈Y＝{+1,-1}；令迭代次數(shù)為t,t＝1,2,…,T；令第t次迭代的樣本權重分布為D_t＝(w_t1,w_t2,…,w_ti)，i＝1,2,…,m，且令第t次迭代形成的弱學習器為h_t(x)；

S3，使用分布權重為D_t的訓練樣本集訓練得到弱學習器h_t(x)；

S4，計算h_t(x)的學習誤差率e_t,t＝1,2,…,T，其中I(x)是誤差函數(shù)；

S5，計算h_t(x)在形成強分類器過程中所占的權重α_t,t＝1,2,…,T；

S6，引入代價因子，更新訓練樣本集中各樣本的權重分布；

S7，t依次取1,2,…,T，反復迭代，直至學習誤差率滿足誤差率要求的迭代次數(shù)T，通過結(jié)合策略對所有弱學習器進行整合形成強學習器；

S8，將測試集輸入所述強學習器中，進行投票確定故障類型。

2.根據(jù)權利要求1所述的基于代價敏感和集成學習的變壓器故障診斷方法，其特征在于，所述步驟S4，計算h_t(x)的學習誤差率e_t,t＝1,2,…,T，具體包括：計算公式為：

3.根據(jù)權利要求1所述的基于代價敏感和集成學習的變壓器故障診斷方法，其特征在于，所述步驟S5，計算h_t(x)在形成強分類器過程中所占的權重α_t,t＝1,2,…,T，具體包括：計算公式為：

4.根據(jù)權利要求1所述的基于代價敏感和集成學習的變壓器故障診斷方法，其特征在于，所述步驟S6，引入代價因子，更新訓練樣本集中各樣本的權重分布，具體包括：

其中，β_i是懲罰因子，由代價矩陣得到；Z_t是歸一化因子，保證各樣本的權重分布之和為1，計算公式如下：

5.根據(jù)權利要求1所述的基于代價敏感和集成學習的變壓器故障診斷方法，其特征在于，所述步驟S7，t依次取1,2,…,T，反復迭代，直至學習誤差率滿足誤差率要求的迭代次數(shù)T，通過結(jié)合策略對所有弱學習器進行整合形成強學習器，具體包括：

強分類器H(x)表示如下：