基于油中溶解氣體的支持向量機(jī)變壓器故障診斷.pdf

1、SVM算法最初是為二值分類問(wèn)題設(shè)計(jì)的，在模式識(shí)別領(lǐng)域處理多類問(wèn)題時(shí)，需要構(gòu)造合適的多類分類器，變壓器故障診斷實(shí)際上就是一種多分類問(wèn)題，所以為了將SVM用于解決變壓器的故障多分類問(wèn)題，人們對(duì)SVM多分類算法方面進(jìn)行了大量的研究，提出了一些有效的SVM多類分類算法（如“一對(duì)一”，“一對(duì)多”，“二叉樹(shù)決策”）。然而在實(shí)際應(yīng)用中，現(xiàn)實(shí)條件的限制會(huì)存在訓(xùn)練數(shù)據(jù)不足，特征提取不完整以及訓(xùn)練算法本身的固有缺陷，影響識(shí)別的的準(zhǔn)確性，產(chǎn)生分類誤差，而糾錯(cuò)

2、編碼(ECOC)最大的優(yōu)勢(shì)能夠?qū)Ψ诸愓`差進(jìn)行有效地修正，如果對(duì)于一組糾錯(cuò)編碼其最小漢明距離為d，至少能修正「d-1/2」位誤差，即便有「d-1/2」個(gè)分類出錯(cuò)，系統(tǒng)還是能給出正確的判別結(jié)果。而且如果錯(cuò)誤量很少，還可能恢復(fù)原始信息。因此本文將基于糾錯(cuò)編碼的SVM多類分類算法應(yīng)用于變壓器故障診斷中。
　　 最后，本文將SVM模型同BP神經(jīng)網(wǎng)絡(luò)識(shí)別方法相比，ECC-SVM分類器應(yīng)用到電力變壓器故障診斷中識(shí)別錯(cuò)誤率更低，它的計(jì)算時(shí)間小于