基于卷积神经网络的变压器振动信号分析

• 作者: 杨涛 苏世玮 赵家毅 郭盛 高伟
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 卷积神经网络 小波分析 灰度图 变压器 振动信号
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 输配电技术
• 页码范围: 127-132
• 页数: 6页
• 分类号: TM41
• 字数: 4405字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2018.006.019

摘要

为研究变压器振动与运行状态之间的关系,在小波分析方法的基础上,结合卷积神经网络的方法进行变压器振动信号分析.首先对 1 台油浸式变压器模拟绕组松动和铁心松动两种故障状态并分别测量其振动信号,然后对测试所得的振动信号进行小波变换,生成小波灰度图,并进行卷积神经网络训练分析.根据卷积神经训练的结果,该方法准确率在84.03%,说明卷积神经网络结合小波灰度图的分析方法可以有效识别振动信号中故障信息.比较2 类故障验证样本中错误结果的分布情况可以发现,错误结果受变压器振动测点位置影响较大,在改善测点和增加训练数据的前提下,准确率还能有所提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高伟	华中科技大学能源与动力工程学院	100	1048	18.0	27.0
2	杨涛	华中科技大学能源与动力工程学院	81	692	14.0	22.0
3	苏世玮	华中科技大学能源与动力工程学院	3	16	2.0	3.0
4	郭盛	华中科技大学能源与动力工程学院	3	18	3.0	3.0
5	赵家毅	华中科技大学能源与动力工程学院	4	21	3.0	4.0