论文部分内容阅读
变压器是电力系统的重要设备,其运行状态是否正常直接关系到电力系统的稳定性。由于变压器故障错综复杂,所以其故障诊断方法也是多种多样。目前的各种单分类器在变压器故障诊断中存在不足,因此本文采用组合分类器来实现多个单分类器之间的互补。对目前广泛应用于变压器故障诊断的支持向量机、神经网络、最邻近,贝叶斯网络分类器,采用基于元学习策略和投票法这两种组合方式得到的组合分类器。通过实验证明,采用基于元学习策略(包括Stacking组合策略和Cascading组合策略)的组合多分类器相对于投票法提高了变压器