基本信息

---

下载

文档摘要

---

摘要

摘要

随着机器学习技术的进步，变压器故障诊断技术正朝着智能化和可靠化的方

向快速发展。在基于变压器油中溶解气体分析的机器学习诊断方法中，样本数据质

量和分类器性能是决定故障诊断精度的两个关键因素。现有研究虽然在处理样本

异常值和样本数量不平衡问题方面取得了一定成果，但对低概率样本的针对性扩

充研究仍显不足。论文从以下两方面展开研究，以增加罕见样本的数量并提升分类

器性能。

首先，针对现有方法在