基于卷积神经网络的变压器故障诊断方法

• 作者: 余涛 吴子杰 程小华 贾京龙
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 变压器 油中溶解气体分析 故障诊断 卷积神经网络
• 年，卷（期）: 2017,（13）
• 所属期刊栏目: 测量与控制
• 页码范围: 62-67
• 页数: 6页
• 分类号: TM407
• 字数: 4131字
• 语种: 中文

摘要

变压器是电力系统中的重要设备,其安全与稳定直接影响着国民经济的健康发展.油中溶解气体分析(Dissolved Gas Analysis, DGA)是分析变压器故障类别的重要手段.卷积神经网络是深度学习的一种模型,广泛应用于图像识别、语音处理等领域,具有非常好的分类能力.文章选取了变压器的五种油中溶解气体含量作为模型输入量,在借鉴传统浅层BP神经网络油中气体分析方法的基础上,针对BP神经网络表达能力不足以及容易过拟合的缺点,将卷积神经网络应用于变压器故障诊断,并与BP神经网络的分类效果进行了对比,通过算例研究证明了卷积神经网络的效果更优.文章也对卷积神经网络的卷积核个数、卷积核大小以及采样宽度对分类效果的影响进行了探讨.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程小华	华南理工大学电力学院	137	1400	20.0	34.0
2	余涛	华南理工大学电力学院	165	1484	19.0	31.0
3	吴子杰	华南理工大学电力学院	4	53	3.0	4.0
4	贾京龙	华南理工大学电力学院	1	42	1.0	1.0