《Machines》：On the Role of Feature Extraction in Transformer PD Severity Classification: A Controlled Comparison of PCA and Autoencoder Models
编辑推荐：
本文采用对照性的PCA-ANN与Autoencoder(AE)-ANN框架应用于变压器局部放电（PD）严重程度分类研究，使用涵盖四类严重程度等级（正常(Normal)、低PD(Low PD)、中PD(Medium PD)、高PD(High PD)）的294个样
本文采用对照性的PCA-ANN与Autoencoder(AE)-ANN框架应用于变压器局部放电（PD）严重程度分类研究，使用涵盖四类严重程度等级（正常(Normal)、低PD(Low PD)、中PD(Medium PD)、高PD(High PD)）的294个样本数据集。将放电量(pC)与施加电压(kV)两个原始测量量扩展为15维物理意义驱动的特征空间。研究在潜在维度k=1–15的全范围内评估线性(PCA)与非线性(瓶颈自编码器)特征提取方法，均接入相同的ANN分类器。PCA+ANN在k=9时测试准确率达100.0%，AE+ANN在k=8时达98.3%。PCA+ANN在该数据集上表现更优，归因于双测量PD特征空间的低本征维数及所构造比值特征空间中PD严重程度类别的高度可分性。自编码器虽能提供更紧凑的潜变量表示，但因正常(Normal)类极端代表不足引致其对正常类的分类误差。交叉验证确认PCA+ANN稳定性(97.4±0.9% vs. 97.0±1.0%)。本研究结果与配套的溶解气体分析(Dissolved Gas Analysis, DGA)研究共同，为两种变压器诊断模态下线性与非线性特征提取的比较提供了完整基线。
论文解读：特征提取在变压器局部放电(PD)严重程度分类中作用的探讨——PCA与自编码器(Autoencoder)模型的对照比较
该研究针对电力变压器绝缘状态评估中的局部放电(Partial Discharge, PD)严重程度分类问题，探讨了不同特征提取方法对后续人工神经网络(Artificial Neural Network, ANN)分类性能的影响。目前变压器PD诊断中，原始放电量(pC)与施加电压(kV)构成的特征空间维度低，难以全面反映绝缘老化的复杂非线性动力学；而通过物理意义驱动的变换（能量代理量、对数压缩等）扩展的高维特征空间又存在高度相关与冗余，易引起过拟合，降低泛化能力。传统线性方法主成分分析(Principal Component Analysis, PCA)与非线性瓶颈自编码器(Bottleneck Autoencoder, AE)在PD诊断中常被孤立评价，缺乏在相同实验条件下、同一数据集上的严格对照比较，且现有研究较少关注PD数据结构特性（低本征维数、严重类别不平衡）如何影响线性与非线性特征提取的相对表现。为此，研究人员设计并实施了严格控制变量的PCA+ANN与AE+ANN对照管线，系统评估两种方法在PD严重程度四分类任务中的性能差异及内在机制，并与配套溶解气体分析(Dissolved Gas Analysis, DGA)研究结果进行跨模态对比，为变压器诊断中特征提取方法的选择提供实证依据与理论解释。论文发表于《Machines》。
研究人员选用294例变压器PD样本（正常(Normal)9例、低PD(Low PD)44例、中PD(Medium PD)11例、高PD(High PD)230例），以IEC 60270标准测量的放电量(pC)与施加电压(kV)为基础，构建含比值特征(Mag/Volt及其平方)、对数与幂变换(log Mag, log Volt, Mag2, Volt2)、交互项(Mag×Volt, Mag?Volt, Mag+Volt)及归一化项的15维物理意义驱动特征空间。预处理中对所有特征做z-score标准化。特征提取阶段分别采用：(1)PCA投影至前k个主成分(k=1–15)；(2)对称结构多层感知机编码器压缩至k维潜码、解码器重构原特征空间的瓶颈AE（Adam优化器，学习率0.001，批大小16）。两管线下游均接相同结构的多层感知机ANN分类器（单隐层25个神经元，tanh激活，L-BFGS优化器，正则化α=0.01），并在训练集上单独拟合缩放、PCA及AE参数，测试集仅做变换。评估指标含测试集准确率、混淆矩阵、各类精确率/召回率/F1值、五折分层交叉验证及重复随机种子验证，辅以潜空间可视化和Silhouette系数、Davies–Bouldin指数、Fisher可分比等潜空间可分性量化指标。
4.1. Classification Accuracy Versus Latent Dimension k（随潜维度k变化的分类准确率）
研究人员遍历k=1–15记录测试准确率，发现自k=2起两方法均>94%。PCA+ANN于k=9达到100.0%测试准确率，AE+ANN峰值98.3%（k=8）。差异源于AE的重构目标未与分类目标对齐，使少数类边界产生微小畸变。
4.2. Confusion Matrix Analysis（混淆矩阵分析）
PCA+ANN混淆矩阵全对角（59例测试样本全部分类正确，含2例正常与2例中PD）。AE+ANN将1例正常(Normal)类误判为高PD(High PD)，归因于极少量正常样本（训练集仅7例，占2.98%）在AE均方重构误差主导的训练中重构质量差，潜码向多数类簇偏移。
4.3. Per-Class Performance Comparison（逐类性能比较）
整体准确率差距完全由正常(Normal)类F1分数下降（ΔF1=?20.0%）造成；低PD(ΔF1=?5.9%)、中PD(ΔF1=0)、高PD(ΔF1=0)两类方法无差别，印证上述单一误分事件的影响。PCA作为确定性线性运算不受类别频率偏倚影响。
4.4. Cross-Validation Stability（交叉验证稳定性）
五折分层交叉验证均值与标准差为PCA+ANN 97.4±0.9%、AE+ANN 97.0±1.0%；十次独立随机种子重复验证结果一致。完美测试准确率属高可分低本征维数据集的可预期波动，非过拟合产物，研究过程严格防止信息泄露。
4.5. Full Classifier Benchmark（全分类器基准对比）
高斯朴素贝叶斯(Gaussian Naive Bayes, GNB)96.6%、K近邻(K-Nearest Neighbors, KNN)94.9%、支持向量机(Support Vector Machine, SVM)96.6%、无降维原始特征ANN 96.6%；PCA+ANN(100.0%)与AE+ANN(98.3%)均优于无降维ANN，证明即便在近似线性可分数据集中特征提取仍有价值。
4.6. Head-to-Head Summary（方法直接对比汇总）
PCA+ANN总体准确率高出1.7个百分点，加权平均精度/召回/F1两法近同（因正常类权重极低被掩盖），ΔF1柱状图显示PCA仅在正常类占优，其余严重程度等级等价。
4.7. Comparison with DGA Study（与DGA研究跨模态对比）
两诊断模态下PCA+ANN均为较优选择，但原因不同：PD数据中低本征维数与高类可分性使线性投影接近最优，且AE受类别不平衡干扰；DGA数据中AE对特定放电故障类有非线性流形捕获优势但整体仍略逊于PCA。提示AE特征提取最适用于高维、多类、具复杂重叠流形结构的诊断场景。
4.8. Feature Importance, Latent-Space Separability, and Robustness Analysis（特征重要性、潜空间可分性及鲁棒性分析）
置换特征重要性显示比值特征(放电量/电压)与对数放电量贡献最大，符合PD物理——单位电场强度下放电强度直接指示绝缘劣化程度。Pearson相关矩阵证实15特征高度相关（源仅2基测），但PCA/AE先行合并冗余方向故无害。潜空间量化指标显示AE潜空间中正常(Normal)类Silhouette值更低、与高PD(High PD)间Fisher可分比更小、Davies–Bouldin指数更大，定量佐证重构偏差致少数类潜码被压缩靠近主类区。z-score标准化与丢弃尾部主成分具噪声滤波作用，PCA+ANN管线确定、计算量低适于在线监测嵌入式部署，但需在工业现场含噪数据上外部验证。
4.9. Discussion（讨论与结论翻译）
本研究对变压器局部放电(PD)严重程度分类中线性与非线性特征提取方法进行了对照比较，两管线性能差异完全由少数正常(Normal)类误分导致。PCA优越性地归因于PD特征空间低本征维数（≈2）——15个工程特征由仅两个物理量导出，信息集中于少数主方差方向，PCA去相关并保留最大方差恰匹配数据结构；AE引入以重构为目标的非线性映射，在PD特征已近线性可分时增益有限且受极端类别不平衡影响使极少数类潜表示退化。此发现与维度约简及PD诊断既有文献一致。实际变压器监测中模型选择应依据数据集结构（本征维数、相关性、类平衡度）而非默认偏好非线性模型；对低本征维、强相关、高可分的PD严重程度数据，PCA+ANN是更简单、确定、鲁棒的方案，AE适用于具真正非线性流形结构的更复杂诊断空间但需不平衡感知策略与少数类验证。上述PCA优势具数据集依赖性，不可无条件推广；本结论应理解为受控对照方法与线性提取何时充分的基线刻画。近完美准确率须结合严重类不平衡背景（测试集约2例正常、2例中PD）以各类指标与重复交叉验证解读。局限含样本量偏小及少数类极少、仅基于双原始PD测点扩展特征（结论可能异于相位分辨PD(Phase-Resolved PD, PRPD)或超高频PD等多传感器模态）、仅用ANN隔离特征提取效应。未来工作宜探索类别平衡AE训练（代价敏感损失、变分自编码器(Variational Autoencoder, VAE)）、少数类合成增强及多传感器数据融合的全面变压器健康监控。
研究表明：在由放电量(pC)与施加电压(kV)扩展的15维物理意义驱动特征空间上，PCA+ANN于k=9实现PD严重程度四分类100%测试准确率，AE+ANN最高98.3%（k=8）；PCA表现更优系PD特征空间本征维数近2、类别高度可分且PCA不受类别不平衡偏倚，AE因重构损失致极少量正常(Normal)类潜表示退化而误分。两降维方法均优于无降维ANN(96.6%)，交叉验证稳定性分别为97.4±0.9%(PCA)与97.0±1.0%(AE)。跨模态对比显示PCA为两变压器诊断模态（PD与DGA）推荐基线，AE特征提取益于高维复杂流形诊断场景。研究结果确立了受控对照比较范式，并为变压器PD诊断中线性与非线性特征提取的适用条件提供了机理阐释与实证基线。
