基于改进深度信念网络的电力变压器故障诊断研究

• 作者: 张志攀 李辉
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 改进深度信念网络 变压器故障 气体分析 准确率
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 169-172
• 页数: 4页
• 分类号: TP319
• 字数: 2856字
• 语种: 中文
• DOI: 10.11907/rjdk.173159

摘要

针对传统算法在变压器故障诊断领域存在参数难以选取、准确率低、易误判等缺点,提出一种基于改进深度信念网络(IDBN)的电力变压器故障诊断方法.在油中溶解气体分析(DGA)基础上,首先以IDBN无监督训练方式重构原始数据特征,然后以有监督方式学习特征与故障类型之间的映射关系,最后将测试数据应用于模型并进行实验.实验结果表明,该方法不仅具有较高精度,而且在准确率方面优于传统的人工神经网络和支持向量机方法.因此,将改进深度信念网络用于变压器故障诊断具有较高的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李辉	河南理工大学物理与电子信息学院	70	285	9.0	12.0
2	张志攀	河南理工大学电气工程与自动化学院	2	10	2.0	2.0