陈龙谭1，2，于 虹1，祁 兵2，李 彬2

（1.云南电网有限责任公司电力科学研究院， 云南 昆明 650217；

2.华北电力大学电气与电子工程学院， 北京 102206）

摘要：为了提高变压器故障判别的精准率，提出一种基于主成分分析（Principal Component Analysis，PCA）和随机森林（Random Forest，RF）算法的变压器故障诊断方法，并采用各原始气体特征间比值方法，使用PCA消除变量间相关性，经过调参优选８个主成分作为RF模型的输入进行变压器故障的判别。试验结果表明，相比较５个原始气体特征和一些传统单一的机器学习算法，经过特征提取和使用ＰＣＡ－ＲＦ的组合模型，对于变压器油中溶解气体分析（Dissolved Gas Analysis，DGA）数据故障的诊断有着更高的准确率。

关键词：DGA技术；故障诊断；比值方法；特征提取

中图分类号：ＴＭ４０6 文献标识码：Ｂ 文章编号：１００１－８４２５（２０22）０7－００23－０6

作者简介

陈龙谭（1995-），男，安徽宿州，硕士研究生。