基于SMOTE與Bayes優(yōu)化的LSTM網(wǎng)絡(luò)變壓器故障診斷

摘要： 隨著電力信息化的提高，智能算法結(jié)合歷史數(shù)據(jù)進(jìn)行變壓器故障診斷的方法越來越受到關(guān)注。在溶解氣體分析法基礎(chǔ)上借助少數(shù)類樣本過采樣（SMOTE）算法合成新樣本，實現(xiàn)樣本多維度擴充，并以貝葉斯優(yōu)化算法尋找長短期記憶（LSTM）網(wǎng)絡(luò)模型參數(shù)的最優(yōu)設(shè)置值，以降低訓(xùn)練集錯誤率，進(jìn)而建立了變壓器故障診斷模型。結(jié)果表明：樣本擴充后的變壓器故障診斷模型過擬合度降低約20%，測試集準(zhǔn)確率提升約10%...