研究文章雷竞技app下载苹果版

基于aurocc遗传模糊支持向量机融合模型的电力变压器溶解气体分析

摘要

基于溶解气体分析(DGA)的电力变压器早期故障诊断技术已得到发展。基于DGA的方法有多种，如IEC、Roger、Dornenburg等。然而，这些方法在不同的标准下被应用于不同的问题。此外，如果没有经验丰富的专家，DGA很难实现准确的诊断。为了解决这些问题，本文提出了一种基于面积下接受者工作特征曲线(AUROCC)的遗传模糊支持向量机融合诊断方法。最近，接收者工作特征曲线(ROC)和ROC曲线下的区域被称为接收者工作特征曲线下区域(AUROCC)的使用作为机器学习算法性能的衡量受到了广泛的关注。本文提出了一种基于遗传模糊系统的支持向量机分类器融合模型。应用遗传算法优化模糊隶属函数。支持向量机分类器的性能通过其aurocc进行评估。实验结果表明，基于AUROCC的遗传模糊SVM融合模型不仅具有更好的AUROCC，而且精度也优于单独的SVM分类器

Nisha Barle, Rama Sarojinee, Manoj Kumar Jha

阅读全文下载全文|访问全文