代价敏感相关向量机的研究及其在变压器故障诊断中的应用

实际中不同变压器故障类型的误分引发的危害程度往往不同，仅追求正确率并不一定会带来符合实际意义的分类结果。针对此，提出了代价敏感相关向量机（CS -RVM）。CS-RVM以误分代价最小为目标，按贝叶斯风险理论预测新样本类别。在用典型算例验证了CS-RVM具有代价敏感性的基础上，尝试将其应用于变压器故障诊断。基于溶解气体分析（DGA）数据的变压器故障诊断实例分析表明，CS-RVM全局诊断正确率略高于BP神经网络和支持向量机，略低于多分类相关向量机（M-RVM），但CS-RVM趋于提高误诊代价高的故障类型的诊断正确率，具有代价敏感性；CS-RVM的诊断速度足以满足变压器故障诊断的工程要求。