变压器DGA油色谱故障数据共748组（故障诊断，机器学习，深度学习，SVM支持向量机，PCA）

最新推荐文章于 2025-08-17 21:55:17 发布

原创最新推荐文章于 2025-08-17 21:55:17 发布 · 1.2k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #深度学习 #支持向量机

该文章已生成可运行项目，

本人自己整理过的数据集，共748组数据，包含8种故障类型（含正常）：数据获取跳转最后一行

1.正常

2.低温过热

3.中温过热

4.中低温过热

5.高温过热

6.低能放电

7.高能放电

8.局部放电

数据有论文来源，现在下单另外加送两篇含有故障数据的论文（与这748组不重复）

数据获取：

#数据获取链接：
https://mbd.pub/o/bread/mbd-ZZ2Xl5xv

本文章已经生成可运行项目

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

AI森哥

关注关注

25
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

[数据集][xlsx]电力变压器油色谱数据集介绍

2403_88102872的博客

10-12

467

'Sheet1'：包含序号（int64 类型）作为样本编号，特征1-H2、特征2-CH4、特征3-C2H6、特征4-C2H4、特征5-C2H2这些特征属于变压器油中不同气体成分的特征指标，以及label用于标识故障情况。'Sheet1'：包含H2、CH4、C2H4、C2H2、CO、CO2、THC、C2H6这些是变压器油中不同气体成分的含量指标，以及故障编码，用于标识故障情况。该数据可用于变压器故障类型的识别和诊断。样本信息：'Sheet1' 有 1094 个样本，'Sheet2' 有 6 个样本。

利用机器学习识别变压器DGA油色谱故障

ykykc的博客

06-04

923

采用随机森林算法对变压器油色谱故障数据进行训练以及仿真，并附带仿真结果。

参与评论您还未登录，请先登录后发表或查看评论

变压器设备漏油数据集-zip

04-25

数据集介绍：油浸式变压器通常采用油浸自冷式、油浸风冷式和强迫油循环三种冷却方式。该数据集采集于油浸式变压器的设备漏油情况，一般用于变电站的无人巡检，代替传统的人工巡检，与绝缘子的破损检测来源于同一课题。 数据集一部分来自真实场景，由于真实场景下样本较少，外加一部分合成图片，共338张，采用VOC标注格式

电力设备状态监测与健康管理：基于多源异构数据融合的技术实现

zxsz_com_cn的博客

08-17

1034

电力设备状态监测与健康管理已进入 “微纳感知、智能诊断、协同决策” 的技术新阶段，其核心是解决强电磁干扰下的弱信号提取、多源异构数据融合、设备状态量化评估等关键问题。通用工业监测方案在电力场景的适配度不足 60%，必须进行电力专用化改造。中讯烛龙预测性维护系统通过超高频局部放电监测、微型油色谱分析、分布式线路状态评估等核心模块，构建了与电力设备特性高度匹配的技术体系。

使用机器学习算法进行对变压器油故障数据集(DGA)故障诊断 识别诊断各种气体及其对应含量，及气体

2401_88440984的博客

02-23

653

使用机器学习算法进行对变压器油故障数据集(DGA)故障诊断 识别诊断各种气体及其对应含量，及气体

变压器故障数据 DGA数据集 excel形式可用于故障诊断分析

07-14

电力变压器故障诊断数据集

weixin_36873225的博客

11-11

2431

例如，当变压器发生短路故障时，故障诊断算法可以自动识别故障类型和位置，并给出相应的处理建议，以提高故障处理的效率和准确性。通过对电力变压器历史故障数据的分析和挖掘，可以揭示故障的发生规律和特点，进而实现对故障的预测。通过对变压器的运行数据和故障数据的分析，可以评估变压器的剩余寿命和健康状况，为设备更换和升级提供依据。通过对这些数据的监测和分析，可以及时发现变压器的异常情况，为故障诊断提供线索。这些数据是故障诊断的直接依据，通过对故障数据的分析和挖掘，可以揭示故障的发生规律和特点，为故障预测和防范提供依据。

如何应用变压器DGA油色谱数据集及变压器故障诊断案例数据集 进行实时气体含量监测与故障预警、以及基于机器学习的变压器故障诊断

2401_88440984的博客

02-23

765

如何应用变压器DGA油色谱数据集及变压器故障诊断案例数据集 进行实时气体含量监测与故障预警、以及基于机器学习的变压器故障诊断

数据基于进化k均值聚类和溶解气体子集分析的混合DGA方法，用于电力变压器故障诊断

05-10

【数据】基于进化k均值聚类和溶解气体子集分析的混合DGA方法，用于电力变压器故障诊断

基于特征分析与机器学习的变压器故障诊断模型研究

在此基础上，论文引入多种先进的机器学习算法进行对比实验与集成建模，包括支持向量机（SVM）、随机森林（RF）、梯度提升树（GBDT）、极端梯度提升（XGBoost）以及深度神经网络（DNN）等。通过交叉验证与实际案例...

3、机器学习在电力与能源系统及多领域的应用综述

pandas7gardener的博客

05-30

本文综述了机器学习在电力与能源系统及其他多个领域的广泛应用，包括电力系统故障诊断、可再生能源预测、智能电网、建筑性能预测、金融领域应用、工业自动化设备故障诊断等。文中介绍了不同机器学习方法，如基因表达编程（GEP）、极端学习机（ELM）、人工神经网络（ANN）、支持向量机（SVM）等在具体场景中的应用案例。同时，文章还探讨了机器学习应用所面临的挑战，如数据质量问题、算法可解释性、计算资源需求等，并展望了未来发展趋势，如多学科融合、边缘计算与云计算结合、强化学习的广泛应用等。通过流程图和表格形式，文章清晰展示

电力变压器原数据.rar

12-04

电力变压器中的故障分析数据集

01-07

健康指数和电力变压器会生成一个包含 16 个特征的 CSV 文件，可以用作机器学习回归预测

电力变压器油中溶解气体数据集

10-17

我们提供了两年的数据，每个数据点每分钟记录一次（用 m 标记），它们分别来自中国同一个省的两个不同地区，分别名为ETT-small-m1和ETT-small-m2。每个数据集包含2年 * 365天 * 24小时 * 4 = 70,080数据点。此外，我们还提供一个小时级别粒度的数据集变体使用（用 h 标记），即ETT-small-h1和ETT-small-h2。每个数据点均包含8维特征，包括数据点的记录日期、预测值“油温”以及6个不同类型的外部负载值。

变压器故障诊断分析用DGA数据集（Excel格式）

最新发布

10-27

在电力系统中，变压器是关键设备，其运行的可靠性直接关系到整个电网的稳定运行。变压器在运行过程中，由于电、热等多重因素的影响，可能会出现各种类型的故障。及时准确地诊断出变压器的故障类型，对于保障电力系统的安全运行具有重要意义。变压器故障诊断分析通常采用一种名为气体分析诊断法（Dissolved Gas Analysis，简称DGA）的技术，它是通过检测变压器油中溶解气体的成分和含量来识别和分析变压器内部故障的方法。 DGA技术的核心在于分析油中溶解的气体成分，这些气体包括氢气（H₂）、甲烷（CH₄）、乙烷（C₂H₆）、乙烯（C₂H₄）和乙炔（C₂H₂）等，它们的产生与变压器内部的放电、过热等故障现象密切相关。通过对这些气体含量的测量和分析，结合特定的故障诊断标准，可以判断变压器可能存在的故障类型。在DGA技术中，各种气体的含量与故障类型之间的关系有着特定的规律。例如，氢气和甲烷的增加通常表明绝缘材料可能发生了热分解；乙烷和乙烯的增加可能预示着变压器内部存在过热现象；乙炔气体的出现则可能意味着有电弧或放电现象发生。因此，通过对这些气体的检测，可以对变压器的运行状态进行有效的监控和预警。本次提供的数据集包含357组故障类型样本，涵盖7种不同的故障类型以及正常状态，数据格式为Excel表格，为研究人员和工程师提供了丰富的实验材料。数据集中的气体数据是实际变压器运行中的真实测量值，具有很高的研究价值和应用前景。此外，数据集分为两个工作表，Sheet1提供的是原始数据，便于进行初步的探索性分析；Sheet2则提供归一化处理后的数据，方便研究人员使用各类数值分析方法，如机器学习算法，进行更加精确的故障诊断研究。为了确保变压器的安全运行，电力系统维护人员需要定期对变压器油中的气体成分进行检测，并利用DGA技术对数据进行分析。通过及时的故障诊断，可以预防故障扩大，减少事故损失，

(CNN and GRU) (基于深度学习的DGA检测.zip

02-19

人工智能-项目实践-深度学习

SVM实现变压器DGA

12-10

支持向量机（Support Vector Machine, SVM）是一种常用的机器学习算法，广泛应用于分类和回归问题。在变压器故障诊断中，SVM可以用于实现溶解气体分析（Dissolved Gas Analysis, DGA），从而检测变压器的潜在故障。 ...

输变电设备在线状态监测与智能诊断技术研究

常用的算法包括支持向量机（SVM）、随机森林（RF）、K近邻（KNN）、人工神经网络（ANN）以及深度学习模型如卷积神经网络（CNN）、长短期记忆网络（LSTM）等。这些模型可通过历史故障样本训练，建立从监测特征到故障...

【免费下载】电力变压器油中溶解气体数据集：深度分析与应用推荐

gitblog_09800的博客

10-17

1310

电力变压器油中溶解气体数据集：深度分析与应用推荐【下载地址】电力变压器油中溶解气体数据集 电力变压器油中溶解气体数据集 项目地址: https://gitcode.com/open-source-toolkit/9f0a8 ...

变压器DGA油色谱故障数据

02-17

为了获得具体的变压器DGA油色谱故障数据集，通常需要联系制造商、查阅学术文献或是访问专门从事此类研究的专业机构网站。此外，在实际工作中也可以积累自己单位设备运行期间产生的样本资料形成私有的参考体系。