基于卷积神经网络的变压器故障诊断
李辉1
张志攀2
张中卫1
1.河南理工大学 物理与电子信息学院,河南焦作,4540002.河南理工大学 电气工程与自动化学院,河南焦作,454000
摘要：针对传统机器学习算法在变压器故障诊断领域存在精度低、易误判等缺陷,提出一种基于卷积神经网络的电力变压器故障诊断模型.以油中溶解气体分析为基础,首先,将特征气体值由十进制转化为对应的二进制,然后,将其用二维数据进行表示,最后,将二维数据作为卷积神经网络的输入来训练、优化模型.结果表明,此模型的故障诊断精度和实时性均优于深度信念网络、支持向量机、人工神经网络,其在缩短变压器维修时间及提高电力系统可靠性上具有一定的优势.
关键词：变压器卷积神经网络特征气体故障诊断
分类号：TM411(变压器、变流器及电抗器)
资助基金：国家自然科学基金(61405055)河南省基础与前沿技术研究计划(152300410103)河南省科学技术研究重点项目(13A510330)
论文发表日期：2018-11-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 118-123,154 )
英文信息