信息与控制

作者：王凌云, 李冉, 杨波, 李婷宜, 李振华

关键词：变压器, 故障诊断, 格拉姆角场(GAF), VGG16网络, 双层特征优选

针对变压器故障特征选取尚无统一标准且冗余特征降低其故障诊断性能的问题，提出了一种图像化特征提取与双层特征优选的变压器故障诊断方法。首先，以油中溶解气体为研究对象，采用格拉姆角场(Gramian angular field，GAF)方法实现气体浓度的图像化，并使用图像处理方法平衡样本数据。其次，利用VGG16(visual geometry group 16)算法进行GAF图像特征参数的迁移，建立能自动提取特征的故障诊断模型。最后，综合考虑重要性评分与相关系数，改进随机森林特征选择算法，从非重要性特征中筛选潜在重要特征，构建双层特征优选模型，以进一步提升变压器故障诊断性能。为验证本文所提特征工程的有效性，分别使用线性回归、支持向量机、多层感知机以及随机梯度下降四种分类器对变压器故障加以诊断。实验结果表明，相较传统方法构建特征，利用图像化能够有效提取故障特征，特征经双层优选后，变压器故障模型诊断准确率分别提高4. 27%、12. 2%、6. 1%、10. 97%，F1分数分别提高4. 53%、12. 55%、6. 08%、11. 1%，所建模型对变压器运行状态实现了更为精准地辨识。

来源：2025年第3期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第3期