基于卷积神经网络的变压器有载分接开关故障识别

• 作者: 何文林 曾全昊 王丰华 郑一鸣
• 来源期刊: 电力系统自动化
• 关键词: 有载分接开关 故障识别 相空间重构 距离映射递归图 卷积神经网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 研制与开发
• 页码范围: 144-151
• 页数: 8页
• 字数: 7184字
• 语种: 中文
• DOI: 10.7500/AEPS20191108003

摘要

为进一步提高变压器有载分接开关(OLTC)故障识别的精度,从OLTC切换过程中振动信号递归图的纹理特征出发,提出了一种基于卷积神经网络(CNN)的变压器OLTC故障识别方法.首先根据OLTC振动信号的相空间分布,基于相点距离映射构建了OLTC振动信号的距离映射递归图(DMRP),然后通过合理选取CNN的网络层数、卷积核尺寸等结构超参数和对卷积核进行降维处理,提出了基于CNN的OLTC故障识别模型.对某CM型OLTC正常与典型故障下振动信号的计算结果表明,DMRP能自适应地对振动信号的相空间相点分布进行描述,所提出的识别模型对OLTC的典型故障均具有良好的识别性能,尤其在轻微故障的识别上相比于现有方法准确率提升了至少10％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王丰华	上海交通大学电子信息与电气工程学院	66	628	15.0	23.0
2	何文林	国网浙江省电力有限公司电力科学研究院	29	93	6.0	8.0
3	郑一鸣	国网浙江省电力有限公司电力科学研究院	15	33	4.0	5.0
4	曾全昊	上海交通大学电子信息与电气工程学院	2	0	0.0	0.0