基于改进多分类AdaBoost的变压器故障诊断方法

摘要

本发明公开了一种基于改进多分类AdaBoost的变压器故障诊断方法，首先根据变压器特征数据训练建立粒子群优化核极限学习机模型；然后为了进一步对变压器故障诊断准确率进行提高，将PSO‑KELM作为弱分类器，利用AdaBoost算法对其进行进一步的提升；最后在将PSO‑KELM作为弱分类器进行每轮迭代时，组成临时强分类器，并根据临时强分类器的分类结果，统计标签之间的相似性，动态调整样本的权重，从而提高变压器故障诊断的准确率，解决了现有技术中存在的电力变压器的内部故障诊断准确率较低的问题。