基于油中气体分析的变压器故障诊断ReLU-DBN方法

摘要：

油中溶解气体分析可为变压器故障诊断提供重要依据.为提高变压器故障诊断精度,研究了基于修正线性单元改进的深度信念网络(rectified linear units deep belief networks,ReLU-DBN)变压器故障诊断方法.通过分析油中溶解气体与故障类型的联系,建立以油色谱特征气体无编码比值为特征参量的ReLU-DBN诊断模型.ReLU-DBN通过多维多层映射提取出故障类型更细致明显的特征区别,通过反向调优达到诊断模型参数最优化.通过识别实验分析了不同特征参量、不同训练集及样本集大小下ReLU-DBN诊断模型效果,研究了放电兼过热复合型故障对诊断模型的影响,并与支持向量机、反向传播神经网络方法做了对比.实验结果表明基于无编码比值的模型诊断效果优于IEC比值、Rogers比值、Domenburg比值为特征参量的模型,且ReLU-DBN较支持向量机和反向传播神经网络方法相比诊断准确率有较大提高.区分复合型故障的模型诊断效果优于未区分复合型故障的模型.随着样本数据的增多,模型诊断精度得到较大提升.

关键词：变压器、油中气体分析、深度信念网络、无编码比值、故障诊断

所属期刊栏目：42

分类号：TM85(高电压技术)

在线出版日期：2018-04-02（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：658-664