报告详情
  1. 活动首页
  2. 报告清单
  3. 报告详情
A filter-based Semi-supervised feature selection approach for power transformer fault diagnosis based on Dissolved Gas Analysis
编号：266 访问权限：仅限参会人 更新：2022-08-29 15:50:34 浏览：193次 张贴报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会场：[暂无会议] [暂无会议段]

演示文件

提示：该报告下的文件权限为仅限参会人，您尚未登录，暂时无法查看。

摘要
  Collecting labeled Dissolved Gas Analysis (DGA) data is difficult because the determination of the transformer fault is time-consuming and expensive in the transformer substation, but DGA data without labels is easier to obtain. In order to make full use of DGA data with few labels and a large number of unlabeled data to improve the transformer fault diagnosis rate, it is an important to study the DGA fault diagnosis method based on semi-supervised learning for solving practical problems in the field. Therefore, the paper proposed a novel filter-based semi-supervised feature selection method for building  fault diagnosis model and selecting optimal DGA features. The method is test by using IEC T10 dataset and compared with traditional supervised diagnostic models. The results show that the proposed method works in optimizing DGA features and has strong robustness in solving small sample DGA classification problems.
 
关键词
Dissolved Gas Analysis,fault diagnosis,semi- supervised learning,feature selection
报告人
Xuemin Tan
College of Automation；Chengdu University of Information Technology

稿件作者
Xuemin Tan College of Automation；Chengdu University of Information Technology
Guo Chao Chengdu Power Supply Company； State Grid
发表评论
验证码 看不清楚，更换一张
全部评论
重要日期

  • 会议日期

    09月25日

    2022

    至

    09月29日

    2022

  • 08月15日 2022

    提前注册日期

  • 09月10日 2022

    报告提交截止日期

  • 11月10日 2022

    注册截止日期

  • 11月30日 2022

    初稿截稿日期

  • 11月30日 2022

    终稿截稿日期

主办单位
IEEE DEIS
承办单位
Chongqing University
联系方式
登录查看完整联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询