基于残差BP神经网络的变压器故障诊断
基于传统BP神经网络的变压器故障诊断方法,当网络模型达到一定的深度时,模型的诊断性能会趋向于饱和,无法进一步提升网络模型的诊断性能,此时加深网络模型的深度反而会导致模型的诊断性能有所下降.此外,在小样本数据下,传统BP神经网络仍无法取得较好的诊断准确率.因此,为了提高变压器故障诊断准确率以及在小样本数据下的诊断性能,提出了基于残差BP神经网络的变压器故障诊断方法.所提方法采用堆叠多个残差网络模块的方式加深BP神经网络的深度,将传统BP神经网络的恒等映射学习转化为残差BP神经网络中的残差学习.同时,在每个残差网络模块中,模块的输入信息可以在模块内跨层传输,使得每个模块的输入信息可以更好地向深层网络传递,从而在小样本数据下仍可以训练得到较好的诊断模型.实验结果表明,相较于传统深层BP神经网络和传统浅层BP神经网络,所提方法具有更高的诊断准确率,同时在小样本数据下也体现出较好的诊断性能.
电力变压器、故障诊断、残差BP神经网络、恒等映射、残差网络模块
40
TM41(变压器、变流器及电抗器)
国家自然科学基金资助项目61502168
2020-04-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
143-148