尹玉娟
- 作品数：4 被引量：65H指数：4
- 供职机构：浙江大学电气工程学院更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金国家教育部博士点基金更多>>
- 相关领域：电气工程更多>>
- 基于模糊理论与支持向量机的变压器故障诊断方法被引量：4
- 2011年
- 针对变压器结构的复杂性和故障机理的多样性,提出一种基于模糊理论和支持向量机的变压器故障诊断方法.该方法首先采用模糊理论对故障样本数据进行预处理,提取故障特征,再用支持向量机方法进行故障分类,通过采用一对多(1-a-r)的方法实现多目标分类,得出诊断结果.针对支持向量机参数不易确定的问题,采用多层动态自适应算法与k-折交叉验证方法结合对参数进行优化分析.故障诊断实例测试结果显示,该方法不仅克服了传统比值法中编码缺失、编码边界过于绝对的问题,诊断结果具有更高的准确率,而且也具有较好的适用性.
- 张金江梁耀升尹玉娟郭创新
- 关键词：变压器故障诊断支持向量机
- 一种自主核优化的二值粒子群优化–多核学习支持向量机变压器故障诊断方法被引量：24
- 2012年
- 支持向量机(support vector machine,SVM)对于核函数及模型参数十分敏感,多核学习可降低模型的参数敏感性。提出了基于二值粒子群优化(binary particle swarmoptimization,BPSO)的多核学习SVM分类方法(BPSO-MKSVC)进行变压器故障诊断。多核学习支持向量机(multi-kernel support vector classifier,MKSVC)采用由多个基核线性组合的多核进行学习,其中每一个基核完成从特定样本空间提取故障特征,通过多面故障特征的线性组合,将学习分类问题转化为相应的凸规划问题进行迭代求解。采用BPSO优化算法对MKSVC中的基核数及模型参数进行优化,实现了参数的自主选择。与常用诊断算法相比,BPSO-MKSVC具有更高的诊断精度;与PSO优化的SVM方法相比,其具有更低的参数敏感性和更好的鲁棒性。
- 尹玉娟王媚张金江袁鹏詹俊鹏郭创新
- 关键词：溶解气体分析支持向量机多核学习故障诊断变压器
- 表征内部潜伏性故障的变压器时变停运模型研究被引量：31
- 2013年
- 变压器在运行过程中,绝缘油中会有溶解气体产生。由经验可知,油中气体的含量可反映变压器健康状态,而产气速率则反映了该状态下器身内部潜伏性故障的发展程度。据此原理,建立适用于电力系统风险评估的变压器时变停运模型。模型首先根据气体含量进行变压器状态划分,并考虑实时修复的影响建立多状态马尔科夫模型,得出故障率基值。同时,基于产气速率建立时变停运指数模型,既体现变压器实时运行特性,又准确反映了变压器内部潜伏性故障的发展情况。通过算例分析对模型进行了验证,该模型为系统风险评估提供了基础。
- 郭创新王越王媚尹玉娟文云峰张金江
- 关键词：时变停运模型风险评估
- 基于粒子群优化支持向量机的变压器故障诊断被引量：6
- 2012年
- 针对支持向量机(SVM)用于变压器故障诊断中模型参数具有不确定性的问题,采用粒子群优化(PSO)算法对支持向量机参数进行优化,减少了模型参数的不确定性。故障数据测试表明,PSO能快速、准确地优化SVM参数,二者的结合可有效完成变压器故障分类,并取得较为满意的效果。
- 朱文俊周刚王红斌尹玉娟张金江郭创新
- 关键词：油中溶解气体分析PSO优化支持向量机故障诊断参数优化变压器
