基于MA-DBN算法的GIS故障预测

• 作者: 吴明松 朱永灿 王宁 马玉涛 黄新波
• 来源期刊: 西安工程大学学报
• 关键词: 气体绝缘金属封闭开关设备(GIS) 移动平均模型 深度信念网络(DBN) 故障预测 SF6分解气体
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 电子信息
• 页码范围: 27-33
• 页数: 7页
• 分类号: TM561
• 语种: 中文
• DOI: 10.13338/j.issn.1674-649x.2020.05.005

摘要

对气体绝缘金属封闭开关设备(gas insulatedmetal-enclosed switchgear,GIS)提前进行准确的故障预测,可减少因其故障导致电力系统无法正常运转带来的经济损失.借鉴传统的GIS故障诊断方法,提出采用移动平均模型(moving average,MA)对SF6分解气体成分进行预测,同时结合GIS的气室温度、密度、压力等历史数据,通过深度信念网络(deep belief network,DBN)对预测数据进行误差修正,预测得到GIS未来的气体浓度及故障类型.结果表明:对多台GIS的历史数据及其真实故障信息进行测试,其整体准确率达到了92％,提出的GIS故障预测方法是可行性和有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄新波		168	2529	27.0	44.0
2	王宁		44	201	7.0	13.0
3	朱永灿		45	224	9.0	14.0
4	马玉涛		3	0	0.0	0.0
5	吴明松		4	0	0.0	0.0