基于深度自编码网络的电力变压器故障诊断

• 作者: 孙岗 宁晓光 朱永利 王刘旺 石鑫 陈国强
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 深度自编码网络 电力变压器 故障诊断 油中溶解气体分析 反向传播神经网络 支持向量机
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 分析与研究
• 页码范围: 122-126
• 分类号: TM41
• 语种: 中文
• DOI: 10.16081/j.issn.1006-6047.2016.05.021

摘要

基于深度自编码网络(DAEN),构建了分类深度自编码网络(CDAEN)模型.结合电力变压器在线监测油中溶解气体分析(DGA)数据,提出了基于CDAEN的变压器故障诊断方法.所提方法利用大量无标签样本进行预训练,优化模型参数,并利用少量有标签样本进行微调.实例分析表明,与基于反向传播神经网络(BPNN)、支持向量机(SVM)的故障诊断方法相比,所提方法的诊断正确率更高.

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	孙岗		12	299	9.0	12.0
3	王刘旺	华北电力大学控制与计算机工程学院	11	374	7.0	11.0
4	石鑫	华北电力大学控制与计算机工程学院	9	242	6.0	9.0
5	宁晓光	华北电力大学控制与计算机工程学院	2	81	2.0	2.0
6	陈国强		8	192	7.0	8.0