基于深度学习的变压器在线故障检测

• 作者: 朱梅 童国锋
• 来源期刊: 计算机测量与控制
• 关键词: 深度学习 故障检测 密度图像 曲线拟合
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 65-68
• 页数: 4页
• 分类号: TM76
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.09.013

摘要

针对供配电网络中变压器设备数量众多、故障损失巨大、不能及时有效地实现故障检测和预报等行业现状,利用大数据方法研究分析了众多变压器的实时运行数据,提出基于深度学习的变压器故障检测方法,详细介绍了变压器监测数据预处理方法及步骤;首先变压器实时运行数据经过分类、组合等预处理运算,转换成多维空间的状态数据,最后进一步将多维空间状态数据拟合成多段状态变迁的曲线,作为深度学习网络的输入训练样本;基于简洁高效的经典开源的AlexNet卷积神经网络模型,搭建了基于tensorflow架构的深度学习训练平台,实现了基于深度学习网络的变压器在线故障检测,系统运行效果表明该故障检测方法的有效性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	童国锋		1	0	0.0	0.0
2	朱梅		8	8	2.0	2.0