论文部分内容阅读
为对变压器进行准确的故障诊断，将油中溶解气体分析（dissolved gasses analysis, DGA）与人工智能技术相结合，提出了一种基于鲸鱼算法（whale optimization algorithm, WOA）优化LogitBoost-决策树的变压器故障诊断模型。该模型以决策树作为弱学习器，通过将LogitBoost集成算法作为集成框架使多个决策树集成为一个强学习器，并构建了一种基于鲸鱼优化算法的优化策略去优化LogitBoost-决策树模型中的决策树棵树及决策树的最大分裂次数。实验表明，所构建的WOA-LogitBoost-DT变压器诊断模型与常用的决策树、支持向量机、三比值等诊断模型相比，综合诊断精度分别提高了约4%、10%、21%。所构建的相关模型能为变压器的故障诊断提供技术支持。