摘要：针对目前浅层机器学习理论在变压器故障诊断上精度不高以及大多数诊断方法参考的信息特征量单一的现状,提出一种基于AdaBoost-RBF算法与Dezert-Smarandache理论(DSmT)的变压器故障诊断方法。选择反映变压器故障信息的油中溶解气体、试验及产气率数据构成诊断参量空间,利用AdaBoost算法改进RBF神经网络算法,应用AdaBoost-RBF算法搭建并行的训练单元构造变压器故障诊断识别框架的基本信度赋值(BBA)。基于多源信息融合的思想,应用DSmT对基本信度赋值进行融合得到最终诊断结论,该理论克服了D-S证据理论无法融合高冲突性证据的局限性。对110kV变压器进行仿真实例分析,结果表明所提方法具有良好的实用性。

关键词：电力变压器 故障诊断 dsmt 基本信度赋值 多源信息融合 

单位：华北电力大学河北省输变电设备安全防御重点实验室; 河北保定071003; 华北电力大学新能源电力系统国家重点实验室; 北京102206; 华北电力大学控制与计算机工程学院; 河北保定071003; 国网河北省电力有限公司电力科学研究院; 河北石家庄050011