基于LB-IDBO-HKELM样本扩充与参量优选的变压器故障诊断

叶涛; 王禄庆; 曾飞; 余盛达; 刘辉乾; 王洋

doi:10.26963/j.psce.2026.02007

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于LB-IDBO-HKELM样本扩充与参量优选的变压器故障诊断

更新时间：2026-04-26

- 基于LB-IDBO-HKELM样本扩充与参量优选的变压器故障诊断
- Vol. 42, Issue 2, Pages: 54-64(2026)
- 作者机构：
  
  1. 海南电网有限责任公司文昌供电局
  2. 西安工程大学电子信息学院
- 作者简介：
- 基金信息：
- DOI：10.26963/j.psce.2026.02007
  CLC： TM41;TP18
- Published：2026
- 稿件说明：
移动端阅览
叶涛, 王禄庆, 曾飞, et al. 基于LB-IDBO-HKELM样本扩充与参量优选的变压器故障诊断[J]. 2026, 42(2): 54-64.
DOI：

叶涛, 王禄庆, 曾飞, et al. 基于LB-IDBO-HKELM样本扩充与参量优选的变压器故障诊断[J]. 2026, 42(2): 54-64. DOI： 10.26963/j.psce.2026.02007.

摘要

针对油中溶解气体法应用于变压器故障诊断时存在样本分布不均衡、诊断特征选择标准模糊等的问题，提出一种融合数据扩充与特征优选的混合智能诊断模型（localized randomized affine shadowsampling-borutashap-improved dung beetle optimizer-hybrid kernel extreme learning machine

LBIDBO-HKELM）。首先，通过构建局部随机仿射阴影采样（localized randomized affine shadowsampling

LoRAS）算法对少数类故障样本实施过采样处理，在有效平衡各类别样本分布的同时，规避了传统过采样方法易引入噪声的缺陷；其次，采用BorutaShap算法对变压器油中溶解气体比值类候选特征开展动态优选，筛选出最优诊断特征集，提升模型的可解释性；再次，提出改进蜣螂优化算法（improved dung beetle optimizer

IDBO），通过增强算法全局搜索能力优化混合核极限学习机（Hybrid kernel extreme learning machine

HKELM）的核参数，构建自适应故障分类模型；最后，从样本扩充、特征优选和参数优化3个维度，将所提融合模型与8种典型诊断算法进行系统性对比验证。实验对比结果表明，LB-IDBO-HKELM模型在诊断精度、结果一致性（Kappa系数、Macro-F1、MacroAUC）及诊断效率方面均表现最优，不仅实现了高精度故障诊断，同时还满足变压器在线监测与诊断的时效性要求。

Abstract

关键词

Keywords

references

王喜秋.基于机器学习的变压器顶层油温异常预警研究[D].南昌大学,2019(02).

Rao Shaowei,Zou Guoping,Yang Shiyou,Barmada Sami.A feature selection and ensemble learning based methodology for transformer fault diagnosis[J].Applied Soft Computing,2024.

Xue Jiankai,Shen Bo.Dung beetle optimizer: a new meta-heuristic algorithm for global optimization[J].The Journal of Supercomputing,2022.

Saptarshi Bej,Narek Davtyan,Markus Wolfien,Mariam Nassar,Olaf Wolkenhauer.LoRAS: an oversampling approach for imbalanced datasets[J].Machine Learning,2020.

Taha Ibrahim B. M.,Hoballah Ayman,Ghoneim Sherif S. M..Optimal ratio limits of rogers' four-ratios and IEC 60599 code methods using particle swarm optimization fuzzy-logic approach[J].IEEE Transactions on Dielectrics and Electrical Insulation,2020.

Miron B. Kursa,Witold R. Rudnicki.Feature Selection with the Boruta Package[J].Journal of Statistical Software,2010.

Michel Duval,Alfonso DePablo.Interpretation of gas-in-oil analysis using new IEC publication 60599 and IEC TC 10 databases[J].IEEE Electrical Insulation Magazine,2001.

梁琛,李亚昕,罗利,赵子玮,张艺林,唐俊杰.基于多头注意力机制与多任务学习的冷库净负荷短期预测模型[J].供用电,2025(12).

周秋阳,高辉,李炜卓,归耀城.基于GAN数据增强与改进Bi-LSTM的充电桩故障预测方法[J].电力工程技术,2025(06).

王健,刘汇塬,张占喜,沈赋,王开正,蔡子龙.基于时空特征提取与跨模态融合的光伏集群功率预测[J].电力建设,2025(11).

王曦,陈心怡.一种基于时序卷积网络-Transformer的海上风电功率预测方法[J].发电技术,2025(06).

裴丽君,徐慧,陈晗,张长开,单帅杰.基于PSO优化的SA-LSTM变压器绕组温度预测方法[J].供用电,2025(08).

刘宏博,李本新,张鹏,王宵.基于QPSO-CNN-Bi-LSTM-Attention的风电机组状态预测方法[J].东北电力大学学报,2025(03).

王寅,王媛媛,曹成军,张立志,尹有鹏,籍宏震,窦笛.基于多参量数据融合的干式空心串联电抗器匝间短路故障检测方法[J].电力建设,2025(04).

王子凌,汪科,柴卫健,李业欣,邹国平,安斯光.基于PCA和Fast-MCD的油中溶解气体在线监测异常数据识别[J].浙江电力,2025(03).

杨琛,牛锋杰,韩茂林,周宁,周定璇.基于改进灰狼算法优化极限学习机的光伏阵列故障诊断方法研究[J].发电技术,2025(01).

史笑宇,王欣,王钢.基于PSO-SVM组合模型的短期电力需求预测[J].东北电力大学学报,2024(06).

王娜娜,栗文义,李小龙.基于不均衡小样本DGA数据与改进CatBoost决策树的油浸式变压器故障诊断方法[J].电力系统保护与控制,2024(23).

闵永智,令世文,王果.基于混合特征选择和IOMA-CNN的变压器故障诊断[J].电力系统保护与控制,2024(23).

刘颂凯,龚潇,杨超,刘龙成,李彦彰,张磊,张雅婷.结合更新机制的电力系统暂态稳定评估研究[J].电力科学与技术学报,2025(02).

茹瑶,赵永宁,叶林,廖浩涵.超短期LSTM风电功率预测模型的混合专家模块化代理解释方法[J].电力建设,2024(11).

陈恩帅,茅大钧,陈思勤,魏立志.基于双向LSTM-Attention模型的火电厂负荷预测研究[J].电力科技与环保,2024(04).

李瑞琪,李燕,杜水婷,王军.基于人工神经网络的电力变压器声纹识别技术[J].沈阳工业大学学报,2024(04).

周煜健,丁哲时.融合智能算法及频域介电谱法的变压器油纸绝缘状态评估研究[J].湖南电力,2024(03).

严宇昕,程明,聂鹏.一种变压器有载分接开关的电动调档装置[J].黑龙江电力,2024(03).

胡列豪,巩宇,张勇军,安禹铮,蒋崇颖,廖美英.考虑声-振模态结合的抽水蓄能机组轴承故障诊断[J].电力系统保护与控制,2024(11).

包金山,杨定坤,张靖,张英,杨镓荣,胡克林.基于特征提取与INGO-SVM的变压器故障诊断方法[J].电力系统保护与控制,2024(07).

赵鑫,王东丽,彭泓,于洪侠,李石林.基于多策略改进蜣螂算法优化的变压器故障诊断[J].电力系统保护与控制,2024(06).

陈朝阳,杨文荣,张雨蒙,石小晖.变压器长圆形绕组振动仿真与机械故障诊断研究[J].传感器与微系统,2024(03).

袁发庭,颜智威,曹浩,姬睿氢,唐波.基于有限元法的油浸式变压器振动特性分析及优化设计[J].湖南电力,2024(01).

廖才波,杨金鑫,胡雄,邱志斌,刘小天,朱文清.基于油中溶解气体特征量筛选的变压器故障诊断方法[J].电力工程技术,2024(01).

郑翔,杜奇伟,阮黎翔,王海园,周坤,王义波.基于WOA-SVM的智能变电站二次系统故障参数映射模型[J].浙江电力,2024(01).

钟旺,陈亮亮,祝长生,伍家驹,危水根.磁阻式旋转变压器解码系统设计[J].传感器与微系统,2024(01).

宋继明,毛继兵,马卫华,张进,谈元鹏,董然,郄鑫,王志强.基于深度神经网络的特高压变压器滤油注油过程故障诊断技术研究[J].电网与清洁能源,2023(12).

汪李忠,池建飞,丁叶强,姚海燕,唐志鹏,吴同宇.基于NNTR-SMOTE与GA-XGBoost的变压器故障诊断方法研究[J].综合智慧能源,2024(01).

季坤,张晨晨,丁国成,刘锋,田宇,李坚林.粒子群优化算法在电力变压器声纹识别中的应用[J].沈阳工业大学学报,2023(06).

刘迪迪,王洋,刘辉乾,李华强,朱庆东.基于ADASYN平衡化数据集的POA-SVM变压器故障诊断[J].电网与清洁能源,2023(08).

祁寿贤,胡荣辉,王伟,吴梦娣,张玉勇.基于SMOTE平衡数据集的BP神经网络变压器故障诊断[J].山东电力技术,2022(04).

吴冬春,朱飞,唐佳维.基于多绕组变压器与倍压整流器级联的电池均衡充电器研究[J].电源学报,2024(06).

路永玲,胡成博,陶风波,秦剑华,王真.基于无源测温的变压器接线端子温度异常检测方法研究[J].中国测试,2021(10).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于IGA优化AdaBoost-SVM的变压器多级故障诊断方法研究

基于LSTM的高压电网换流变故障诊断方法

基于时域反射法和模式识别网络的节能导线故障诊断方法

基于MobileViT的智能变电站继电保护二次回路故障诊断技术

Discussion on the types of generater neutral grounding and the analysis for their operation

Related Author

王琼宇

蒋波涛

赵书宇

朱永灿

田毅

骆钊

石延辉

杨洋

Related Institution

西安市电气设备互联感知与智能诊断重点实验室

昆明理工大学电力工程学院

中国南方电网有限责任公司超高压输电公司广州局

上海中天铝线有限公司

江苏中天科技股份有限公司

AI问答

⁰