利用机器学习识别变压器DGA油色谱故障

已于 2024-06-11 15:52:32 修改
阅读量439 收藏 6
点赞数 7
文章标签： 机器学习 随机森林
于 2024-06-04 09:35:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ykykc/article/details/139430317
版权

数据简介：

本人自己整理过的数据集，共748组数据，包含6种故障类型（含正常）：

五种特征气体分别为H2，CH4，C2H6,C2H4,C2H2  （数据在文章结尾处）

1.中低温过热

2.高温过热

3.低能放电

4.高能放电

5.局部放电

6.正常

机器学习算法：

采用随机森林算法，对故障进行识别，代码运行结果如下：

数据集获取地址：

https://mbd.pub/o/bread/ZpaZm5lricon-default.png?t=N7T8https://mbd.pub/o/bread/ZpaZm5lr

ykykc
关注
使用机器学习做DGA域名识别
不忘初心，护天下安全！
10-17 922
域名生成算法（Domain Generation Algorithm， DGA） 是一项古老但一直活跃的技术， 是中心结构僵尸网络赖以生存的关键武器， 该技术给打击和关闭该类型僵尸网络造成了不小的麻烦。研究人员需要快速掌握域名生成算法和输入， 以便对生成的域名及时进行处置。DGA依赖时间、 字典和硬编码的常量动态生成域名。
电力变压器原数据.rar
12-04
油中溶解气的相关数据，包含常见的五种气体的数据和对应的故障类型，数据完整，对于变压器故障诊断可以直接使用
电源技术中的基于DGA的变压器绝缘故障判断
10-16
油中溶解气体分析（DGA）是一种有效的充油电力设备异常检测的方法，广泛应用于油浸变压器故障的检测和判断。本文介绍了油中溶解气体分析的原理以及实操程序，以及如何应用分析结果通过三比值法判断变压器故障类型。     电力变压器作为电力系统中的重要组成部分，其安全稳定的工作是保障电力系统安全运行的基础。随着运行时间的增加，有机固体绝缘材料和绝缘油会因为电压以及温度的作用逐渐的分解化合从而产生微量气体溶解于油中。当变压器内部发生故障如局部放电或匝间短路时，油中溶解气体含量则会发生剧烈变化。这是由于变绝缘油或有机固体绝缘材料被放电部位产生的电弧分解而产生大量气体，当产生的气体无法完全溶解于油中时成游离
变压器故障数据 DGA数据集 excel形式可用于故障诊断分析
07-14
油中溶解气体的相关数据 包括五种气体数据（H2，CH4,C2H6,C2H4,C2H2）及对应的故障类型 样本总数357组，故障类型7种（含正常） sheet1为排序数据，sheet2包含归一化数据
【数据】基于进化k均值聚类和溶解气体子集分析的混合DGA方法，用于电力变压器故障诊断
最新发布
weixin_46039719的博客
05-17 959
【数据】基于进化k均值聚类和溶解气体子集分析的混合DGA方法，用于电力变压器故障诊断电力变压器是电力系统中非常重要的设备，其正常运行对于电网的稳定运行至关重要。然而，由于变压器长期运行在高温高压环境下，容易出现各种故障，其中包括绝缘油中的溶解气体异常。因此，及时准确地进行溶解气体分析（DGA）是变压器故障诊断的重要手段之一。近年来，进化k均值聚类算法在数据挖掘领域得到了广泛应用，能够有效地对大规模数据进行聚类分析。
【变压器进行故障诊断】【隶属度】利用溶解气体分析（DGA）对变压器进行故障诊断研究（Matlab代码实现）
weixin_46039719的博客
05-14 546
在这项研究中，我们考虑了六种常见的电力变压器故障类型，包括低温、中温和高温故障，以及部分放电、火花放电和电弧放电（T1、T2、T2、PD、D1、D2）。通过分析DGA数据中的H2、CH4、C2H6、C2H4和C2H2含量，我们可以确定数据与每种故障的隶属度，从而更准确地诊断变压器的健康状况。通过分析DGA数据中各种气体的含量，并结合隶属度的计算，可以更准确地识别变压器可能存在的故障类型，例如局部放电、油纸绝缘老化、过热等。DGA技术通过监测变压器油中的气体含量，可以帮助识别变压器内部可能存在的故障类型。
sketch-transformer：快速建模！ 使用变压器的数据集
02-06
素描变压器 建模绘图，快速！ 使用变压器的数据集。 火车模型 $ python train.py --on-memory-dataset 预训练模型 一个预先训练的模型（ test llh: 3.002 assets/model_1000000.pt ）在assets/model_1000000.pt $ python train.py --num-transformer-layers=8 --dropout-rate=0.1 --batch-size=128 --learning-rate=1e-3 --on-memory-dataset --log-freq=10000 产生样品 $
DGA-master_变压器故障_DGA变压器_matlabsimulink_dga_DGAmaster_
09-30
标题中的"DGA-master_变压器故障_DGA变压器_matlabsimulink_dga_DGAmaster_"表明这是一个关于变压器故障诊断的项目，主要利用了基于离散光谱分析（DGA）的方法，并通过MATLAB的Simulink环境进行实现。DGA（Discrete ...
基于DGA的变压器绝缘故障判断
01-13
油中溶解气体分析（DGA）是一种有效的充油电力设备异常检测的方法，广泛应用于油浸变压器故障的检测和判断。本文介绍了油中溶解气体分析的原理以及实操程序，以及如何应用分析结果通过三比值法判断变压器故障类型。 ...
变压器DGA溶解气体数据（357组）
05-13
包含六种故障类型： 中低温过热 高温过热 低能放电 高能放电 局部放电 正常 1111111111111111111111111111111111111111111111111111111111111111111111111111
DGA数据集和算法研究
ailx10
05-12 1114
针对DGA的研究现在已经很多了，cnki 里面有116篇论文，涉及到dga黑样本，域名白名单，dga算法分析等，在数据集和dga原理的基础上，提出创新检测方案。因此，抽取共性，综合各家dga之所长，屏蔽之所短，不失是研究dga的一种好的方法。总的来说，做研究的本质，就是多读论文，论文看多了，思路自然就有了。DGArchive数据集[1]，千万级数据源，需要使用学校或企业邮箱申请访问账号，作者人很好...
基于Python深度学习的DGA域名检测
毕业作品网站
07-04 3013
如今，互联网上的很多恶意攻击行为开始借助由域名生成算法生成的域名来抵抗安防软件的检测。这些域名生成算法通常会借助一组随机种子，持续不断的生成大量随机域名。使用这些 DGA 域名进行攻击的流程如图 1.1 所示。图 1.1 DGA 类攻击流程如图 1.1 ，当某台主机或者服务器被恶意行为攻击成功之后，攻击者就会在被攻击者内部嵌入一段恶意代码。这段恶意代码会使用某种域名生成算法不断的生成 DGA 域名，并且利用被攻击者的主机去访问这些域名。
基于GWO-ELM的变压器故障诊断研究（Matlab代码实现）
weixin_61181717的博客
04-15 739
这种基于GWO-ELM的变压器故障诊断方法不仅能够有效地解决参数设置不确定性带来的挑战，还能够充分利用DGA数据中的信息，为变压器故障的早期检测和诊断提供了一种可靠的解决方案。该方法的优点在于它结合了GWO的全局搜索能力和ELM的快速学习能力，有可能在变压器故障诊断领域提供一种高效和精准的解决方案。针对ELM模型性能受初始输入权值和隐含层偏置的影响，运用灰狼算法进行优化选择，选择不同气体作为输入，故障类型作为输出，进行变压器故障诊断。3. **GWO优化**：利用GWO算法来优化ELM模型的参数。
机器学习——特征预处理
yangnanjie的博客
11-11 502
本文主要讲了特征预处理中要使用到的，归一化、标准化以及PCA降维的操作以及在Python中的使用。
电力变压器数据集 (ETDataset)
To be a better man
09-21 5917
电力变压器数据集 (ETDataset) 在这个仓库中，我们提供了涉及电力变压器的多个数据集，用于支撑”长时间序列”相关的研究。所有的数据都经过了预处理，并且以.csv的格式存储。这些数据的时间跨度为2016年7月到2018年7月。
DGA特征挖掘
djph26741的博客
10-09 978
摘自：https://paper.seebug.org/papers/Archive/drops2/%E7%94%A8%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%AF%86%E5%88%AB%E9%9A%8F%E6%9C%BA%E7%94%9F%E6%88%90%E7%9A%84C%26amp%3BC%E5%9F%9F%E5%90%8D.html 0...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值