基于加权综合损失优化深度学习和DGA的变压器故障诊断方法

摘要：

为进一步提高变压器故障诊断效果,提出了一种基于加权综合损失优化深度学习和油中溶解气体分析(dis-solved gas-in-oil analysis,DGA)的变压器故障诊断方法.该方法以DGA特征量为输入,以Softmax层各故障状态概率分布为输出,基于堆栈稀疏自编码深度学习理论构建了变压器故障诊断模型.针对常规交叉熵损失函数下,变压器故障诊断效果偏低,训练样本不平衡分布影响故障诊断水平的问题,采用加权综合损失函数对深度学习模型进行优化.案例分析结果表明:相比传统方法,本文方法可削弱训练样本不对称对变压器故障诊断的不利影响并提高变压器故障诊断水平,各训练集下,本文方法故障诊断准确率可保持在90％以上.

关键词：变压器、故障诊断、深度学习、加权综合损失、油中溶解气体分析(DGA)

所属期刊栏目：14

分类号：TM46(变压器、变流器及电抗器)

资助基金：国家电网公司科技项目SGZJ0000KKJS1900412

在线出版日期：2020-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：29-34