深度学习神经网络在电力变压器故障诊断中的应用

摘要：

由于电力变压器发生故障时油色谱在线监测数据无标签,工程现场往往会得到大量无标签故障样本,而传统的故障诊断方法在对变压器故障类型进行判别时往往无法充分利用这些无标签故障样本.该文基于深度学习神经网络(deep learning neural network,DLNN),构建了相应的分类模型,分析并用典型数据集对其分类性能进行测试.在此基础上提出一种电力变压器故障诊断新方法,它能够有效利用大量电力变压器油色谱在线监测无标签数据和少量故障电力变压器油中溶解气体分析(dissolved gas-in-oil analysis,DGA)实验数据进行训练,并以概率形式给出故障诊断结果,具有更优的故障判别性能,能够为变压器的检修提供更为准确的参考信息.工程实例测试结果表明,该方法正确可行,诊断性能优于三比值、BP神经网络和支持向量机的方法,适用于电力变压器的故障诊断.

关键词：电力变压器、故障诊断、油中溶解气体分析、深度学习神经网络

所属期刊栏目：36

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：河北省自然科学基金项目E2009001392

在线出版日期：2015-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：116-122