基于数据清洗和知识迁移的变压器故障诊断模型
【摘要】 变压器是保障电网安全运行的重要基础，本文建立了一种基于数据清洗和知识迁移的变压器故障诊断模型，用于解决变压器单体故障数据少、总体数据繁杂导致诊断器泛化能力低的问题。首先，采用Tanimoto系数计算待诊断变压器与其他变压器故障的综合相似度，对辅助故障数据进行一次清洗;其次，通过剔除奇异边缘附近故障数据，对目标和辅助故障数据进行二次清洗;在两次数据清洗的基础上，以支持向量机作为迁移学习算法TrAdaBoost的基本分类算法，通过迭代不断调整目标故障数据和辅助故障数据的权重，将辅助故障数据中的有效知识迁移至故障诊断器，得到基于迁移学习的变压器故障诊断器模型。测试结果表明数据清洗和知识迁移能够有效提高诊断效率以及故障识别的准确性。
