基于多类支持向量机的变压器绝缘故障诊断.pdf

维普资讯 第 23卷第 2期 电 力 科 学 与 工 程 Vo1．23，No．2 Jun一2007 9 2007年 6月 ElectricPowerScienceandEngineering 基于多类支持向量机的变压器绝缘故障诊断 袁松贵。，匡迎春 (1．长沙理工大学 电气与信息工程学院，湖南~)410076；2．湖南农业大学工程技术学院，湖南K：~410128) 摘要：利用支持向量机进行故障诊断，提 出了一种基于决策树的多类支持向量机，并在变压器绝缘故障诊 断中检验了它的有效性。 关键词：多类支持向量机；故障诊断；决策树；电力变压器 中图分类号：TP18；TM410．7 文献标识码：A 策树的多类支持向量机，并将其应用于变压器绝缘 0 引 言 故障诊断，获得了较高的正确判断率。 机器学习是人工智能应用的重要研究领域，它 1 现有的多类支持向量机 研究如何从观测数据中寻找规律，并利用这些规律 对未来数据或无法观测的数据进行预测n。现有的 现有的多类支持向量机，大致是基于两种思路。 机器学习方法的重要理论之一是统计学。与传统的 第一种思路，以Weston在 1998年提出的多 统计学相比，统计学习理论是专门研究小样本情况 类算法。这种算法，是在经典 SVM理论的基础上， 下机器学习规律的理论 ，它针对小样本的情况建 重新构造多值分类模型，通过SV方法对新模型的 立了一套新的理论体系。在该理论体系下，统计推 目标函数进行优化，实现 “一次性”多值分类。第 理规则不仅考虑了对渐进性能的要求，而且追求在 二种思路是，通过构造多个二值分类器实现多类支 现有有限信息的条件下得到最优结果。1995年， 持向量机。第一种，看似简单，但算法选择的目标 Vapnik和Chervonenkis等人在此理论基础上发展 函数十分复杂，实现困难，计算复杂度也非常高， 了一种新的通用学习方法一 支持向量机p(SVM 尤其是当训练样本、类别较大时，该问题更为突 SupportVectorMachine)。支持向量机是基于结 出。因此，第二种更有研究价值。基于第二种思 构风险最小原理的机器学习方法，它具有较好的推 路，目前提出了以下几种方法： 广能力，且巧妙地解决了维数灾的问题。故障诊断 (1)1-a-r(1-against-rest)由VapNik提出， 实质上就是模式识别问题，现有的主要方法有专家 对于 类问题，构造 个两分类器，第 f个两分 系统、神经网络、遗传算法逻辑推理。这些方法各 类器中用第 f类中的训练样本作为正的训练样本， 自取得了一定的成绩，但都无法解决故障诊断的瓶 其他的作为负的训练样本，依此用一个两分类器， 颈问题：样本的缺乏。因为支持向量机的学习方法 将每一类与其他所有类区分开来。这种算法的缺点 是专门针对小样本情况，所以，将它应用于故障诊 是，它共用了 个支持向量机，每个支持向量机 断，具有一定的研究意义。但支持向量机是一个两 需用所有的样本进行训练，虽然训练的次数不多， 分类器，而故障诊断是一个多分类问题。如何将支 但训练的量较大，因此，训练的速度慢。 持向量机推广到多分类问题中，是 目前国内外研究 (2)1-a-1(1-against-1) 该算法 由Kressel 的热点。本文就故障诊断问题，提出了一种基于决 提出，对于 类分类问题，在每两类间构造所有 收稿 日期：2007-03-04． 作者简介：袁松贵 (1971一)，男，长沙理工大学电气与信息工程学院讲师 维普资讯 lO