论文部分内容阅读
电力变压器作为一种电能转换、电磁转换设备,在电能的传输分配中具有重要地位。由于电力变压器故障类型与故障特征之间具有复杂性和非线性的特点,所以很难建立故障的数学模型。支持向量机以其自学习、非线性映射的特点,为解决电力变压器的故障分类决策问题提供了新途径。因此,本文以主元分析(PCA)和支持向量机(SVM)为核心,并结合电力变压器油中溶解气体分析(DGA)技术来研究电力变压器的故障诊断问题。本文首先分析了电力变压器特征气体与故障类别的关系,为了进一步增加DGA得到的6维数据所包含的故障信息,加入了 13