技术特征：
技术总结
本发明公开了一种面向不平衡数据集的极限学习机变压器故障诊断方法，具体为，步骤1、将采集的油浸式变压器带有类标签的不平衡样本集S＝{(x1,t1),(x2,t2)...(xn,tn)}按6:1的比例分为训练样本和测试样本；其中，xi代表样本属性，i＝1，2，3，4，5，6，具体包含氢气、甲烷、乙烷、乙烯、乙炔、一氧化碳，六种属性；ti代表类别标签，i＝1，2，3，4，5，6，1、2、3、4、5、6分别对应正常状态、中温过热、高温过热、局部放电、火花放电、电弧放电，并用PAM算法对其进行聚类，并用PAM算法对其进行聚类；步骤2、以PAM算法的聚类簇心作为中心点，对于少数类；步骤3、极限学习机分类输出阶段，首先建立DAG‑ELM模型，然后，阶段2产生的新数据集仍按6:1分成训练集和测试集，6份用于训练建模，1份用于验证分类效果。本方法解决了不平衡数据集对变压器故障诊断结果的影响。
技术研发人员：黄新波;马玉涛;朱永灿;曹雯;蒋波涛
受保护的技术使用者：西安工程大学
技术研发日：2018.05.09
技术公布日：2018.11.23