基于多特征提取和麻雀搜索算法优化XGBoost的变压器绕组松动诊断方法

马宏忠; 肖雨松; 颜锦; 孙永腾

doi:10.15938/j.emc.2024.06.009

欢迎来到能源电力期刊网！

您当前的位置：

首页 >

文章列表页 >

基于多特征提取和麻雀搜索算法优化XGBoost的变压器绕组松动诊断方法

更新时间：2025-06-26

- 基于多特征提取和麻雀搜索算法优化XGBoost的变压器绕组松动诊断方法
- Transformer winding looseness diagnosis method based on multiple feature extraction and sparrow search algorithm optimized XGBoost
- “介绍了其在变压器绕组松动诊断领域的研究进展，专家提出基于KPCA和改进SSA优化XGBoost的诊断方法，为解决不同负载下故障识别问题提供解决方案。”
- 电机与控制学报 2024年28卷第6期页码：87-97
- 作者机构：
  
  河海大学能源与电气学院，江苏南京 211100
  国网湖南省电力有限公司衡阳供电分公司，湖南衡阳 421200
- 作者简介：
  
  作者简介：马宏忠（1962—），男，博士，教授，博士生导师，研究方向为电力设备状态监测及故障诊断；
  通信作者：肖雨松
  颜锦（1995—），男，硕士，研究方向为电力变压器状态监测与故障诊断；
  孙永腾（1994—），男，博士研究生，研究方向为电力设备状态监测及故障诊断。
- 基金信息：
  
  国家自然科学基金(51577050);国家电网江苏省电力有限公司重点科技项目(J2022047)
- DOI：10.15938/j.emc.2024.06.009
  中图分类号： TM41
- 收稿：2023-06-26，
  
  纸质出版：2024-06
- 稿件说明：
移动端阅览
马宏忠, 肖雨松, 颜锦, 等. 基于多特征提取和麻雀搜索算法优化XGBoost的变压器绕组松动诊断方法[J]. 电机与控制学报, 2024,28(6):87-97.

MA Hongzhong, XIAO Yusong, YAN Jin, et al. Transformer winding looseness diagnosis method based on multiple feature extraction and sparrow search algorithm optimized XGBoost[J]. Electric Machines and Control, 2024, 28(6): 87-97.
马宏忠, 肖雨松, 颜锦, 等. 基于多特征提取和麻雀搜索算法优化XGBoost的变压器绕组松动诊断方法[J]. 电机与控制学报, 2024,28(6):87-97. DOI： 10.15938/j.emc.2024.06.009.

MA Hongzhong, XIAO Yusong, YAN Jin, et al. Transformer winding looseness diagnosis method based on multiple feature extraction and sparrow search algorithm optimized XGBoost[J]. Electric Machines and Control, 2024, 28(6): 87-97. DOI： 10.15938/j.emc.2024.06.009.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多尺度注意力驱动的轴承故障特征自适应算法

考虑电压不平衡下的同步发电机定子匝间短路故障诊断

融合轴电压-振动特征的同步电机缺陷诊断

改进infoGAN和QPSO-VGG16的小样本条件下电机轴承故障诊断方法

基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断

基于多特征提取和麻雀搜索算法优化XGBoost的变压器绕组松动诊断方法

Transformer winding looseness diagnosis method based on multiple feature extraction and sparrow search algorithm optimized XGBoost

DOI：10.15938/j.emc.2024.06.009