基于自适应深度学习模型的变压器故障诊断方法

• 作者: 徐天赐 牟善仲 王萌 白茹 符奥
• 来源期刊: 南方电网技术
• 学科: 工学
• 关键词: 变压器 故障诊断 自适应 深度学习模型
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 高电压技术
• 页码范围: 14-19
• 页数: 6页
• 分类号: TM401
• 字数: 5872字
• 语种: 中文
• DOI: 10.13648/j.cnki.issn1674-0629.2018.10.003

摘要

为提高变压器故障诊断的准确率,提出一种基于自适应深度学习模型的变压器故障诊断方法.该方法采用油中溶解气体作为故障诊断特征量,基于深度学习理论构建诊断模型.为解决传统基于固定学习率的深度学习模型训练过程中收敛速度慢、收敛精度低的缺点,提出一种自适应深度学习模型构建方法,该方法可根据迭代进程变化特性对学习率进行自适应调整,有效提高了深度学习模型的训练精度及速度.基于实例确定了变压器故障诊断自适应深度学习模型隐层层数、学习率调整系数等参数.实验结果表明,该方法特征提取及分析能力强,具有更好的收敛速度及收敛精度,可有效提高变压器故障诊断的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐天赐		5	6	1.0	2.0
2	白茹		2	6	1.0	2.0
3	牟善仲		2	6	1.0	2.0
4	符奥		2	6	1.0	2.0
5	王萌		8	29	4.0	5.0