• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《自动化与仪器仪表》 >基于IGA-XGBoost的变压器故障诊断研究

基于IGA-XGBoost的变压器故障诊断研究

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

为了提高变压器故障诊断的准确性,提出基于改进遗传算法优化极端梯度提升(IGA-Extreme Gradient Boosting,IGA-XGBoost)的变压器故障诊断模型。利用油中溶解气体分析法得到的5种特征气体数据样本训练极端梯度提升(Extreme Gradient Boosting,XGBoost)模型进行变压器故障诊断,再将改进遗传算法优化XGBoost解决参数多、收敛慢等问题。在遗传算法的基础上引入多样性与适应度共同作为评价指标,解决局部极大值问题。将改进遗传算法与网格搜索、随机游走和传统遗传算法寻优方法比较和分析,实验结果表明,改进遗传算法的收敛速度和泛化能力最好。再将IGA-XGBoost模型与遗传算法优化极端梯度提升(Genetic Algorithm-Extreme Gradient Boosting,GA-XGBoost)、神经网络、支持向量机、随机森林、自适应提升法(Adaptive Boosting,AdaBoost)做对比实验,IGA-XGBoost模型在变压器故障诊断中的预测精度为96.875%,均方差为0.15。IGA-XGBoost模型能有效提高变压器故障诊断精度。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号