不平衡样本下基于变异麻雀搜索和改进SMOTE的变压器故障诊断方法

作者：朱莉; 汪小豪; 李豪; 姜成龙; 曹明海

来源：高电压技术, 2022, 1-9.

DOI：10.13336/j.1003-6520.hve.20221528

• 变压器
• 故障诊断
• 不平衡样本
• 改进合成少数过采样
• 变异麻雀搜索

针对麻雀搜索算法同质化严重和变压器故障样本不平衡导致分类效果不佳的问题，提出了变异麻雀搜索算法优化支持向量机（variant sparrow search algorithm-support vector machine，VSSA-SVM）和改进合成少数过采样技术（improved synthetic minority over-sampling technique，ISMOTE）的变压器故障诊断方法。首先使用Tomek Link对数据集进行去噪，引入中心偏移权重 （center offset weight，COW） 改进SMOTE算法对不平衡数据集的少数类样本进行合成，得到平衡化处理后的变压器故障数据集；然后，基于变异的思想，构建VSSA-SVM的变压器故障诊断模型；最后，在413例油浸变压器的DGA数据上，使用PSO-SVM、SSA-SVM和VSSA-SVM模型进行诊断，诊断结果分别为81.45%、88.71%和96.77%，同时与SMOTE-NND、SVM SMOTE、Borderline-SMOTE、SMOTE以及原始数据集方法相比，ISMOTE分别提升了3.22%、4.03%、6.45%、7.52%、11.29%。结果表明，本文所提出的方法能准确判别变压器的故障状态，有效的解决故障数据不平衡导致分类精度低的问题，具有一定的工程实用价值。

• 单位
  电子工程学院; 湖北工业大学