压器音频易受背景噪声(如风扇、雨声)干扰，特征筛选可能丢失关键信息，尤其在低频段(如局部放电信号)。首先构建电力变压器运行状态评估体系，然后联合层次分析法和改进的三角梯形隶属函数计算评价指标的基本概率，最后利用改进的D一S证据理论对不同评价指标融合处理，综合评估电力变压器运行状态。由于数据样本不平衡，少数类运行状态的数据相对较少，其权重可能被低估，导致在后续评估中无法充分体现少数类运行状态的重要性，从而影响对电力变压器真实运行状态的评估。

       在上述研究的基础上，考虑样本不平衡性，提出一种硅碳棒工业电炉变压器运行状态可拓层次评估方法。变压器运行环境复杂，负载、温度、电压波动等因素导致不同工况下的样本分布不均。为了解决这个问题，需要调整样本分布，使各类样本分布更加平衡。为此，本研究联合K一means聚类算法和CP一SMOTE算法，对硅碳棒工业电炉变压器少数类样本进行分簇扩充，以生成平衡的样本集9。联合K一means聚类算法和CP-SMOTE算法处理硅碳棒工业电炉变压器不平衡样本的具体步骤如下:

       (1)I一means聚类算法:K一means聚类算法聚类硅碳棒工业电炉变压器样本集W，采用K个参数各异的K-means聚类模型对硅碳棒工业电炉变压器运行状态样本中的少数类样本聚类处理，生成K个类别每个类别均由多个簇E构成;

       (2)聚类结果匹配与一致性系数计算:将E表示为二进制形式，通过匹配系数统计两个簇中共有的样本数量，对于共有样本最多的两个簇，将其视为相同簇并标记匹配;

       计算每个样本的聚类一致性系数，该系数反映的是样本在多次聚类过程中被分配到相同簇的次数与总聚类次数的比例。若系数较小，则该类样本在不同的聚类结果中频繁被分配到不同中，表明这类样本通常位于簇的边界区域，反之表明样本为簇内样本。表达式为式中:P为样本相对的集合，即所有可能的(i,j)组合;C和C，分别为样本i和样本了在某次聚类中的簇分配。根据聚类一致性系数，筛选出边界少数类样本。

       (3)边界样本筛选与CP一SMOTE采样:采用K-means聚类算法获取样本的I个中心点，一，o,和少数类样本所在的n个区域;计算每个少数类样本与所在区域中心点0之间的距离d以及每个区域中心点与多数类样本之间的距离D;若d<D，则在d所对应的少数类样本Z与对应0之间随机生成一个新的样本Z，生成规则如下所示:式中:e为(o,I)内随机数。依据式(2)计算生成新的样本z，并构成样本集班。

       (4)将班le、加入W中，得到平衡的硅碳棒工业电炉变压器样本集城。基于上述步骤获取预处理后的硅碳棒工业电炉变压器样本集。http://www.zbqunqiang.cn/