技术总结
本发明涉及一种基于支持向量描述和K近质心近邻的变压器故障诊断方法。本发明通过变压器油中溶解气体分析技术获取变压器油中溶解特征气体H2、CH4、C2H6、C2H4、C2H2的含量数据，并对数据预处理和归一化，构成变压器故障诊断样本集，然后基于单分类支持向量描述方法建立多分类超球体模型，对变压器进行故障诊断，并利用K近质心近邻分类算法对支持向量描述多分类过程中混叠域样本进一步分类，从而提高变压器的故障诊断准确率。本发明将多分类支持向量描述方法和K近质心近邻分类方法结合起来，能实现小样本、不平衡样本集等的准确分类，可以显著提高变压器的故障诊断精度，为变压器的状态检修决策的制定提供有力的支持。
技术研发人员：刘君;赵立进;黄良;曾华荣;张迅;彭辉;陈欢;魏岸;张开轩;王家华
受保护的技术使用者：贵州电网有限责任公司电力科学研究院
文档号码：201611119910
技术研发日：2016.12.08
技术公布日：2017.05.31