不平衡样本下基于宽度学习的电力变压器故障诊断方法

摘要

本发明公开了一种不平衡样本下基于宽度学习的电力变压器故障诊断方法，首先采用第一级BLS分类器对变压器的故障进行第一级分类，在第一级分类的基础上再通过第二级Softmax分类器进行故障的第二级分类，以提高故障的诊断准确率和效率；在分类器训练的过程中，使用网络横向扩展的增量算法构建网络模型的宽度学习系统(BLS)可以有效地解决深度学习的问题。与深度神经网络相比，它不仅具有精度高、训练速度快的优点，而且在实际应用中具有参数设置简单、易于操作的优点。