基于优化Bi-LSTM模型的电力变压器故障诊断

摘要：

为了对电力变压器进行更精确的故障诊断,提出一种基于粒子群优化(PSO)双向长短时记忆(Bi-LSTM)网络的变压器故障诊断方法.在5种变压器油气体成分的基础上加入三比值法构建的3个参量作为输入特征.采用粒子群算法对模型中的超参数进行优化,通过组合模型PSO-Bi-LSTM对变压器故障进行诊断分析并与其它方法进行对比.算例分析结果表明,所提模型的故障诊断准确率高达92.5％要优于传统方法,当样本特征数减少或数据集出现错误时,所提模型的诊断准确率仅有少许下降,说明该模型还具有较优的鲁棒性.

关键词：电力变压器、故障诊断、粒子群优化、双向长短时记忆网络

所属期刊栏目：39

分类号：TP301.6;TP391.9(计算技术、计算机技术)

在线出版日期：2023-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：136-140