基于深度学习的变压器故障诊断方法研究

• 作者: 吴建蓉 杨涛 许逵 陈仕军 黄军凯
• 来源期刊: 电力大数据
• 学科: 工学
• 关键词: 深度学习 油中气体分析 变压器 故障诊断 多层感知机
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 大数据专题
• 页码范围: 23-30
• 页数: 8页
• 分类号: TM42
• 字数: 4723字
• 语种: 中文

摘要

油中溶解气体分析方法(DGA)是变压器内部故障诊断的重要方法,广泛应用在变压器在线监测和定期试验检测中,传统的特征气体法和三比值法等诊断方法在实际应用中普遍存在着一定的局限性,导致故障诊断精度偏低.针对这一问题,本文提出了一种基于深度学习技术中的多层感知机的变压器故障综合诊断方法,利用开源的Scikit-learn机器学习框架及TensorFlow深度学习框架构建了变压器故障诊断模型,并应用实际工程中的故障样本数据,对故障诊断模型进行了训练和测试.试验结果表明,基于多层感知机技术的变压器故障诊断模型能够对变压器故障进行正确诊断,与传统的三比值法及支持向量机技术相比,多层感知机的诊断准确率更高,具有更优的故障诊断性能,能够为变压器的检修提供更为准确的参考信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨涛	贵州电网有限责任公司电力科学研究院	13	56	5.0	7.0
2	吴建蓉	贵州电网有限责任公司电力科学研究院	10	41	3.0	6.0
3	黄军凯	贵州电网有限责任公司电力科学研究院	7	25	2.0	5.0
4	许逵	贵州电网有限责任公司电力科学研究院	7	27	2.0	5.0
5	陈仕军	贵州电网有限责任公司电力科学研究院	5	23	2.0	4.0