10.3969/j.issn.1006-9348.2022.11.027
基于优化Bi-LSTM模型的电力变压器故障诊断
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.
电力变压器、故障诊断、粒子群优化、双向长短时记忆网络
39
TP301.6;TP391.9(计算技术、计算机技术)
2023-01-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
136-140