基于改进堆栈自编码器的变压器故障诊断模型

• 作者: 赵冬梅 王闯 马泰屹
• 来源期刊: 华北电力大学学报（自然科学版）
• 学科: 工学
• 关键词: 变压器 故障诊断 堆栈自编码器 批量归一化 深度学习
• 年，卷（期）: 2020,（6）
• 页码范围: 61-67
• 页数: 7页
• 分类号: TM407
• 语种: 中文
• DOI: 10.3969/j.ISSN.1007-2691.2020.06.07

摘要

为了增强自编码器的特征提取能力,更好的利用变压器故障时产生的大量无标签数据,将批量标准化(Batch Normalizaion, BN)引入了传统堆栈自编码器(Stacked auto-encoder,SAE)的编码和解码过程,形成了改进堆栈自编码器(BN-SAE).以单层AE作为底层网络,输入样本为变压器油中溶解气体含量,通过仿真确定神经网络的结构,用无标签数据对网络进行无监督学习,提取变压器故障特征信息,最后输入有标签数据通过反向传播算法对网络进行微调.算例分析表明,BN-SAE相比于传统的SAE与AE,训练误差更小,特征提取更佳,对变压器故障分类的准确率更高,并且少数类故障样本也可以得到很好的分类.