代价敏感相关向量机的研究及其在变压器故障诊断中的应用

作者：尹金良; 刘玲玲

来源：电力自动化设备, 2014, (05): 111-115.

• 变压器
• 代价敏感学习
• 相关向量机
• 误分类代价
• 故障诊断 power transformers
• cost-sensitive learning
• relevance vector machine
• misclassification cost
• fault diagnosis

实际中不同变压器故障类型的误分引发的危害程度往往不同,仅追求正确率并不一定会带来符合实际意义的分类结果。针对此,提出了代价敏感相关向量机(CS-RVM)。CS-RVM以误分代价最小为目标,按贝叶斯风险理论预测新样本类别。在用典型算例验证了CS-RVM具有代价敏感性的基础上,尝试将其应用于变压器故障诊断。基于溶解气体分析(DGA)数据的变压器故障诊断实例分析表明,CS-RVM全局诊断正确率略高于BP神经网络和支持向量机,略低于多分类相关向量机(M-RVM),但CS-RVM趋于提高误诊代价高的故障类型的诊断正确率,具有代价敏感性;CS-RVM的诊断速度足以满足变压器故障诊断的工程要求。

• 出版日期2014
• 单位天津理工大学