不平衡学习在电力设备故障诊断中的应用

摘要：

针对电力设备中正常类数量多、故障类数量少的特点,传统分类方法不易取得较好效果.笔者提出将不平衡学习应用与故障诊断.根据数据特征引入不平衡学习算法,介绍不平衡学习算法的常用方法,即抽样、集成学习算法和融合不平衡的集成学习算法,并通过实验得到性能最好的故障诊断模型.实验结果表明,自适应合成抽样与极限随机树的融合算法(ADASYN+ET)取得了较好效果,Avg_Acc达到82.53％,G_mean达到80.74％.因此,不平衡学习在电力设备故障诊断中有较好的应用效果.

关键词：故障诊断、多类分类、不平衡学习、上抽样、集成学习

分类号：TM76(输配电工程、电力网及电力系统)

在线出版日期：2019-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：38-40