[发明专利]一种基于代价敏感和集成学习的变压器故障诊断方法

权利要求书

1.一种基于代价敏感和集成学习的变压器故障诊断方法，其特征在于，包括以下步骤：

S1，对多种变压器故障数据进行预处理，分为训练样本集和测试集；

S2，基于AdaCost算法建立变压器故障诊断模型，令训练样本集为X＝{(x₁,y₁),(x₂,y₂),…,(x_m,y_m)}，其中x_i为油中溶解气体构成的样本特征向量，y_i为故障类型标签，x_i∈X,y_i∈Y＝{+1,-1}；令迭代次数为t,t＝1,2,…,T；令第t次迭代的样本权重分布为D_t＝(w_t1,w_t2,…,w_ti)，i＝1,2,…,m，且令第t次迭代形成的弱学习器为h_t(x)；

S3，使用分布权重为D_t的训练样本集训练得到弱学习器h_t(x)；

S4，计算h_t(x)的学习误差率e_t,t＝1,2,…,T，其中I(x)是误差函数；

S5，计算h_t(x)在形成强分类器过程中所占的权重α_t,t＝1,2,…,T；

S6，引入代价因子，更新训练样本集中各样本的权重分布；

S7，t依次取1,2,…,T，反复迭代，直至学习误差率满足误差率要求的迭代次数T，通过结合策略对所有弱学习器进行整合形成强学习器；

S8，将测试集输入所述强学习器中，进行投票确定故障类型。

2.根据权利要求1所述的基于代价敏感和集成学习的变压器故障诊断方法，其特征在于，所述步骤S4，计算h_t(x)的学习误差率e_t,t＝1,2,…,T，具体包括：计算公式为：

3.根据权利要求1所述的基于代价敏感和集成学习的变压器故障诊断方法，其特征在于，所述步骤S5，计算h_t(x)在形成强分类器过程中所占的权重α_t,t＝1,2,…,T，具体包括：计算公式为：

4.根据权利要求1所述的基于代价敏感和集成学习的变压器故障诊断方法，其特征在于，所述步骤S6，引入代价因子，更新训练样本集中各样本的权重分布，具体包括：

其中，β_i是惩罚因子，由代价矩阵得到；Z_t是归一化因子，保证各样本的权重分布之和为1，计算公式如下：

5.根据权利要求1所述的基于代价敏感和集成学习的变压器故障诊断方法，其特征在于，所述步骤S7，t依次取1,2,…,T，反复迭代，直至学习误差率满足误差率要求的迭代次数T，通过结合策略对所有弱学习器进行整合形成强学习器，具体包括：

强分类器H(x)表示如下：