已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

A new model of faults classification in power transformers based on data optimization method

聚类分析 支持向量机 数据挖掘 离群值 异常检测 计算机科学 变压器 模式识别(心理学) 人工智能 工程类 电压 电气工程
作者
Ali Abdo,Hongshun Liu,Hongru Zhang,Jian Guo,Qingquan Li
出处
期刊:Electric Power Systems Research [Elsevier]
卷期号:200: 107446-107446 被引量:23
标识
DOI:10.1016/j.epsr.2021.107446
摘要

The current paper aims to present a hybrid model for classifying faults in power transformers. The innovation of this paper can be shown by introducing a new method of data optimization based on the combination (subsets) of the set (C-set) method and the unsupervised fuzzy C-means (FCM) clustering algorithm. The new method aims to solve the quandaries of unbalanced data, outliers, and boundary ratios that exist in conventional and artificial methods. Considering the compactness of dissolved gas analysis (DGA) data, the C-set method is employed for dividing the data samples according to their fault types into multiple groups without repetition. The FCM algorithm is then adopted for the samples pre-selection process by obtaining the cluster centers of each C-set class. The obtained cluster centers are combined to form the labeled expert training data (LETD) set, which will train the 1-vs-1 multiclass support vector machine (MCSVM) with a linear kernel. The proposed model diagnosis obtained accuracy is 88.9%. Our proposed model has been compared with other soft computing and traditional models. The experimental results of this model revealed high performance in classifying transformer faults and improving the fault identification accuracy.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
FashionBoy应助整齐冷雪采纳,获得10
2秒前
4秒前
4秒前
小小鱼发布了新的文献求助10
7秒前
洁净的盼烟应助迅速冰颜采纳,获得10
8秒前
9秒前
liu星雨发布了新的文献求助10
9秒前
RyanCao发布了新的文献求助30
11秒前
12秒前
14秒前
火火发布了新的文献求助10
15秒前
16秒前
无私的雪瑶完成签到 ,获得积分10
17秒前
闵卷完成签到,获得积分10
18秒前
Zhoujian完成签到,获得积分10
19秒前
Maestro_S发布了新的文献求助10
20秒前
20秒前
科研fw完成签到,获得积分10
21秒前
隐形曼青应助sanlunainiu采纳,获得10
21秒前
小小鱼发布了新的文献求助10
23秒前
赖赖完成签到,获得积分20
26秒前
Lucas应助火火采纳,获得30
27秒前
Persistence发布了新的文献求助10
27秒前
加油完成签到 ,获得积分10
30秒前
32秒前
闪闪妍完成签到,获得积分20
32秒前
tufei完成签到,获得积分10
36秒前
36秒前
巴西琉斯发布了新的文献求助30
37秒前
lidow发布了新的文献求助10
37秒前
38秒前
RyanCao完成签到,获得积分10
39秒前
39秒前
科研通AI2S应助不安红豆采纳,获得10
40秒前
我是老大应助科研通管家采纳,获得10
43秒前
传奇3应助科研通管家采纳,获得10
43秒前
科研通AI2S应助科研通管家采纳,获得10
43秒前
景辣条应助科研通管家采纳,获得10
43秒前
斯文败类应助科研通管家采纳,获得10
43秒前
球球了发布了新的文献求助10
43秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3136896
求助须知:如何正确求助?哪些是违规求助? 2787866
关于积分的说明 7783548
捐赠科研通 2443945
什么是DOI,文献DOI怎么找? 1299509
科研通“疑难数据库(出版商)”最低求助积分说明 625461
版权声明 600954