改进特征样本方法的KPCA变压器故障检测模型

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (21): 4-7.

改进特征样本方法的KPCA变压器故障检测模型

唐勇波

1.宜春学院物理科学与工程技术学院，江西宜春　336000
2.中南大学信息科学与工程学院，长沙　410083

出版日期:2014-11-01 发布日期:2014-10-28

Kernel Principal Component Analysis model for transformer fault detection based on modified feature sample

TANG Yongbo

1.School of Physical Science and Engineering, Yichun University, Yichun, Jiangxi 336000, China
2.School of Information Science and Engineering, Central South University, Changsha 410083, China

Online:2014-11-01 Published:2014-10-28

摘要/Abstract

摘要： 针对核主元分析（KPCA）监控模型由于建模样本不纯而导致故障检测失效问题，提出基于改进特征样本方法的KPCA故障检测模型并应用于变压器故障检测中。利用特征值变化信息，设计出异常样本剔除算法以避免异常样本被选入特征样本集；采用特征样本方法提取建模样本集，建立KPCA监控模型，采用复合统计量对变压器运行状态进行检测，实验结果验证了改进特征样本算法的有效性，表明提出的方法具有较高的故障敏感性和检测效率。

关键词: 电力变压器, 故障检测, 核主元分析, 特征样本

Abstract: In order to handle the invalidation problem of fault detection when Kernel Principal Component Analysis（KPCA） modeling sample is impure, a new KPCA monitoring model for power transformer fault detection based on Modified Feature Sample（MFS） method is proposed. A new purification algorithm is proposed to eliminate abnormal samples from original database by using eigenvalue variation. Then a Feature Sample（FS） method is adopted to extract modeling samples of KPCA; compound statistics is used to verify the state of power transformer. Experimental results show effectiveness of the modified feature sample algorithm and the proposed method has high fault sensitivity and diagnosis accuracy.

Key words: power transformer, fault detection, Kernel Principal Component Analysis（KPCA）, feature sample

唐勇波. 改进特征样本方法的KPCA变压器故障检测模型[J]. 计算机工程与应用, 2014, 50(21): 4-7.

TANG Yongbo. Kernel Principal Component Analysis model for transformer fault detection based on modified feature sample[J]. Computer Engineering and Applications, 2014, 50(21): 4-7.

[1]	赵锐，赵国伟，张娟，王强，赵杰伦，董红月，张兴忠. 改进CenterNet的高压输电线路巡检故障实时检测方法[J]. 计算机工程与应用, 2021, 57(17): 246-252.
[2]	车建国，赵赛. 基于数据深度的过程工业故障检测方法[J]. 计算机工程与应用, 2020, 56(1): 265-271.
[3]	周剑飞，刘晨. 基于LSTM的设备故障在线检测方法[J]. 计算机工程与应用, 2020, 56(1): 272-278.
[4]	高明哲1，许爱强1，许晴2. SL-SMOTE和CS-RVM结合的电子设备故障检测方法[J]. 计算机工程与应用, 2019, 55(4): 185-192.
[5]	陈龙，李涛，徐啸峰. 基于概率密度函数的时滞依赖故障检测与诊断[J]. 计算机工程与应用, 2018, 54(6): 257-263.
[6]	边维1，邓凯2，王建才2，张淑舫1. 面向弹载计算机的BIT技术研究[J]. 计算机工程与应用, 2018, 54(17): 231-237.
[7]	陈飞宇1，阮鲲2，胡友彬1，曹磊3. 基于KPCA光谱特征约束的水边线提取算法[J]. 计算机工程与应用, 2018, 54(11): 171-177.
[8]	朱丹1，2，范玉刚1，2，邹金慧1，2，吴建德1，2，黄国勇1，2. 小波包能量谱-稀疏核主元在故障检测中的应用[J]. 计算机工程与应用, 2014, 50(21): 224-229.
[9]	邱宗江1，刘慧霞2，席庆彪1，2，肖佳伟2. 无人机PCA故障检测与诊断技术研究[J]. 计算机工程与应用, 2013, 49(4): 262-266.
[10]	李宇光，刘明光. 电机故障检测的小波分析红外图像增强[J]. 计算机工程与应用, 2013, 49(11): 241-243.
[11]	桑玉真1，陈军华1，南理勇2. 一种基于非阻塞的分布式数据库原子提交协议[J]. 计算机工程与应用, 2012, 48(4): 128-131.
[12]	姜大庆1，2，夏士雄2，周勇2. 基于半监督自动谱聚类算法的网络故障检测[J]. 计算机工程与应用, 2012, 48(30): 89-94.
[13]	陈孟元，陈跃东. 减速离合器噪音在线检测系统设计[J]. 计算机工程与应用, 2012, 48(26): 215-218.
[14]	郭金玉，刘玉芹. 鲁棒主元分析在掌纹识别中的应用[J]. 计算机工程与应用, 2012, 48(19): 8-10.
[15]	王瑜，薛红. 鉴别矢量增强在人耳人脸多模态识别中的应用[J]. 计算机工程与应用, 2012, 48(12): 29-33.