基于油中溶解气体分析的DBN-SSAELM变压器故障诊断方法

摘要：

为了保证油浸式变压器故障诊断精度的同时,提高诊断方法的收敛速度以及泛化能力,提出一种基于DBN-SSAELM的变压器故障诊断方法.首先,利用深度置信网络(deep belief networks,DBN)对油中溶解气体浓度比值数据进行特征提取.其次,利用具有较强学习能力的极限学习机(extreme learning machine,ELM)替换传统DBN分类模型中的Softmax分类器,深入分析特征值与故障类型之间的关联性,提高模型的收敛速度.然后,利用麻雀搜索算法(sparrow search algorithm,SSA)优化ELM模型的输入权值和隐藏层节点偏置,以提高模型诊断结果的准确率和稳定性.最后,选用准确率、查全率、查准率和收敛速度对优化前后的模型进行性能评估.最终实验结果表明:所提出的DBN-SSAELM变压器故障诊断方法,故障诊断准确率高、泛化能力强、稳定性好,平均准确率达到96.50％,适用于变压器故障诊断.

关键词：变压器、故障诊断、深度置信网络、极限学习机、麻雀搜索算法

所属期刊栏目：51

分类号：TM41;TM855;TP183

资助基金：国家自然科学基金;中央高校基本科研业务费专项

在线出版日期：2023-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：32-42