基于栈式自编码器和Softmax分类器的电力变压器故障诊断

• 作者: 吉兴全 张玉振 彭立岩 梁晓平 许倩文
• 来源期刊: 中国科技论文
• 学科: 工学
• 关键词: 高电压与绝缘技术 电力变压器 故障诊断 栈式自编码器 Softmax分类器 反向传播神经网络
• 年，卷（期）: 2018,（23）
• 页码范围: 2694-2699
• 页数: 6页
• 分类号: TM41
• 字数: 5551字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2783.2018.23.012

摘要

为更加有效地解决电力变压器故障诊断时面临的数据提取、局部最优、梯度消散等问题,提出了一种基于栈式自编码器(stacked auto-encoders,SAE)与Softmax分类器的电力变压器故障诊断新方法.所提方法首先基于SAE与Softmax分类器理论,建立电力变压器故障诊断模型;然后基于k步对比散度算法,利用大量无标签样本对故障诊断模型中的每个受限玻尔兹曼机(restricted Boltzmann machine,RBM)进行逐层无监督训练,并使用有监督算法对模型参数进行调优;最后结合Softmax分类器对故障类型进行判断.算例分析证明,与基于支持向量机(support vector machine,SVM)和反向传播神经网络算法的故障诊断方法相比,所提方法在电力变压器评估方面具有较好的稳定性及更高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玉振		2	5	1.0	2.0
2	吉兴全		1	5	1.0	1.0
3	彭立岩	山东科技大学电气与自动化工程学院	1	5	1.0	1.0
4	梁晓平		1	5	1.0	1.0
5	许倩文		1	5	1.0	1.0