深度学习神经网络在电力变压器故障诊断中的应用

• 作者: 朱永利 石鑫
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 电力变压器 故障诊断 油中溶解气体分析 深度学习神经网络
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 输配电技术
• 页码范围: 116-122
• 页数: 7页
• 分类号: TM721
• 字数: 5756字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2015.12.018

摘要

由于电力变压器发生故障时油色谱在线监测数据无标签,工程现场往往会得到大量无标签故障样本,而传统的故障诊断方法在对变压器故障类型进行判别时往往无法充分利用这些无标签故障样本.该文基于深度学习神经网络(deep learning neural network,DLNN),构建了相应的分类模型,分析并用典型数据集对其分类性能进行测试.在此基础上提出一种电力变压器故障诊断新方法,它能够有效利用大量电力变压器油色谱在线监测无标签数据和少量故障电力变压器油中溶解气体分析(dissolved gas-in-oil analysis,DGA)实验数据进行训练,并以概率形式给出故障诊断结果,具有更优的故障判别性能,能够为变压器的检修提供更为准确的参考信息.工程实例测试结果表明,该方法正确可行,诊断性能优于三比值、BP神经网络和支持向量机的方法,适用于电力变压器的故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱永利	华北电力大学控制与计算机工程学院	268	5516	39.0	62.0
2	石鑫	华北电力大学控制与计算机工程学院	9	242	6.0	9.0