10.13607/j.cnki.gljt.2020.06.019
基于深度学习的低压配电变压器运行状态评估研究
为了有效、快速评估公路交通工程中低压配电变压器的运行状态,提出基于深度学习的电力变压器运行状态评估新方法.该方法以变压器运行时振动信号为研究对象,先对振动信号进行预处理,后依据深度学习的无监督学习对振动信号进行特征学习,再以此特征作为BP神经网络的输入实现电力变压器振动信号特征识别,并将采用该方法与传统的BP神经网络方法的计算结果进行比较.结果表明,基于深度学习的电力变压器运行状态识别方法识别率平均可达97.64%,平均时间为4.91 s;基于传统BP神经网络方法的电力变压器运行状态识别方法的识别率平均只有84.88%,平均时间为21.41 s.由此说明了新方法的有效性,且为低压配电变压器运行状态评估和故障诊断提供一种新思路.
深度学习、变压器、状态评估、故障诊断
36
U491.5(交通工程与公路运输技术管理)
重庆市社会事业与民生保障科技创新专项重点研发项目cstc2017shms-zdyfX0007
2021-01-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
114-119