基于油中气体分析的变压器故障诊断ReLU-DBN方法

• 作者: 代杰杰 宋辉 杨祎 江秀臣 盛戈皞 陈玉峰
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 变压器 油中气体分析 深度信念网络 无编码比值 故障诊断
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 高电压技术
• 页码范围: 658-664
• 页数: 7页
• 分类号: TM85
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2017.1027

摘要

油中溶解气体分析可为变压器故障诊断提供重要依据.为提高变压器故障诊断精度,研究了基于修正线性单元改进的深度信念网络(rectified linear units deep belief networks,ReLU-DBN)变压器故障诊断方法.通过分析油中溶解气体与故障类型的联系,建立以油色谱特征气体无编码比值为特征参量的ReLU-DBN诊断模型.ReLU-DBN通过多维多层映射提取出故障类型更细致明显的特征区别,通过反向调优达到诊断模型参数最优化.通过识别实验分析了不同特征参量、不同训练集及样本集大小下ReLU-DBN诊断模型效果,研究了放电兼过热复合型故障对诊断模型的影响,并与支持向量机、反向传播神经网络方法做了对比.实验结果表明基于无编码比值的模型诊断效果优于IEC比值、Rogers比值、Domenburg比值为特征参量的模型,且ReLU-DBN较支持向量机和反向传播神经网络方法相比诊断准确率有较大提高.区分复合型故障的模型诊断效果优于未区分复合型故障的模型.随着样本数据的增多,模型诊断精度得到较大提升.