来源：期刊VIP网 时间：
作者：张鑫;高磊;孙国繁;文振江;武文吉;陶颋晟;
单位：国网山西省电力公司超高压变电分公司;
摘要：在电网的安全运行中，电力变压器的安全运行起着十分重要的作用，对其故障进行提前预测可避免严重故障的发生，减少经济和人力等损失。该文在小样本溶解气体分析（dissolved gas analysis,DGA）数据的基础上，对变压器的故障进行预测诊断。首先利用在线监测器来获取DGA数据，随后用带自举重采样的Bagging算法的集成学习(ensemble learning,EL)来处理小样本数据，最后将纵横交叉优化的神经网络（cross-sectional optimization neural network,CSO-NN）用于DGA数据的短期预测，达到预测变压器故障的目标。最后将该方法在实例中进行应用，实例研究表明，该文提出的EL-CSO-NN算法可以达到良好的变压器故障预测及分类效果。
关键词：在线监测;DGA监测;集成学习;CSO-NN;故障预测
基金资助：国家电网有限公司科技项目（SGSXJX00EJJS2200301）
