亲爱的研友该休息了!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!身体可是革命的本钱,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
7秒前
贱小贱发布了新的文献求助10
12秒前
12秒前
14秒前
贱小贱完成签到,获得积分10
16秒前
22秒前
NEUROVASCULAR完成签到,获得积分10
23秒前
Orange应助祥瑞采纳,获得10
25秒前
NEUROVASCULAR发布了新的文献求助10
26秒前
26秒前
Hello应助DoctorLily采纳,获得10
35秒前
祥瑞完成签到,获得积分10
40秒前
脑洞疼应助下次一定采纳,获得10
43秒前
下次一定完成签到,获得积分10
53秒前
1分钟前
1分钟前
omegaouy发布了新的文献求助10
2分钟前
2分钟前
2分钟前
3分钟前
Mingyue123完成签到,获得积分10
3分钟前
深情安青应助谨慎萤采纳,获得10
3分钟前
3分钟前
与共完成签到 ,获得积分10
3分钟前
豆乳米麻薯完成签到 ,获得积分10
3分钟前
3分钟前
李健应助科研通管家采纳,获得10
3分钟前
3分钟前
搜集达人应助1111111采纳,获得10
3分钟前
litingting完成签到,获得积分10
3分钟前
4分钟前
4分钟前
4分钟前
1111111发布了新的文献求助10
4分钟前
研友_8y2G0L完成签到,获得积分10
4分钟前
佳佳发布了新的文献求助10
4分钟前
佳佳完成签到,获得积分10
4分钟前
claud完成签到 ,获得积分10
4分钟前
5分钟前
5分钟前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
Genera Insectorum: Mantodea, Fam. Mantidæ, Subfam. Hymenopodinæ (Classic Reprint) 800
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 3085426
求助须知:如何正确求助?哪些是违规求助? 2738274
关于积分的说明 7548805
捐赠科研通 2387902
什么是DOI,文献DOI怎么找? 1266200
科研通“疑难数据库(出版商)”最低求助积分说明 613332
版权声明 598569