摘要
针对变压器故障样本类别不平衡导致对少数类样本误判、漏判问题,提出一种基于ACGAN与SO-RF的变压器故障诊断方法.首先,通过辅助分类条件生成对抗网络方法(Auxiliary Classifier Generative Adversarial Networks,ACGAN)对不平衡小样本进行扩充,得到均衡且扩充过的数据;其次,采用无编码比值法构造18维故障特征,并结合核主成分分析法(Kernel Principal Component Analysis,KPCA)进行特征融合;最后,利用蛇群优化算法(Snake Optimizer,SO)对随机森林(Random For-est,RF)模型的参数寻优,进而实现变压器故障诊断.结果表明,本文所提方法可以在不平衡小样本条件下减少对少数类样本的误判和漏判,进一步提升了模型的诊断精度.
维普
万方数据