基于深度信念网络的电力变压器故障分类建模

被引：80

作者：

石鑫 ^{[1
]}

朱永利 ^{[1
]}

萨初日拉 ^{[1
]}

王刘旺 ^{[1
]}

孙岗 ^{[2
]}

机构：

[1] 华北电力大学控制与计算机工程学院

[2] 国家电网公司

来源：

电力系统保护与控制 | 2016年 / 44卷 / 01期

关键词：

电力变压器; 故障诊断; 深度信念网络; 无标签样本; 油中溶解气体分析;

D O I：

暂无

中图分类号：

TM41 [电力变压器];

学科分类号：

080801 ;

摘要：

基于深度信念网络,构建了深度信念网络分类器模型,分析并用典型数据集对其分类性能进行测试。在此基础上结合电力变压器油中溶解气体分析数据,提出了基于深度信念网络分类器的变压器故障分类新方法,它使用油中溶解气体分析结果作为故障分类属性。对所提出的方法进行了测试,测试结果表明该方法适用于变压器故障分类,具有较强的从样本中提取特征的能力和容错特性,性能优于BP神经网络和支持向量机的方法。

引用

收藏

页码：71 / 76

页数：6

相关论文

共 13 条

[1] 基于布谷鸟算法和支持向量机的变压器故障诊断 [J].

薛浩然 ;

张珂珩 ;

李斌 ;

彭晨辉 .

电力系统保护与控制, 2015, 43 (08) :8-13

[2] 基于BP网络算法优化模糊Petri网的电力变压器故障诊断 [J].

公茂法 ;

张言攀 ;

柳岩妮 ;

王志文 ;

刘丽娟 .

电力系统保护与控制, 2015, 43 (03) :113-117

[3] 基于DBN模型的遥感图像分类 [J].

吕启 ;

窦勇 ;

牛新 ;

徐佳庆 ;

夏飞 .

计算机研究与发展, 2014, 51 (09) :1911-1918

[4] 一种基于PHM考虑老化和设备状态的油浸式变压器故障率模型 [J].

鹿鸣明 ;

王逸飞 ;

郭创新 ;

曹敏 .

电力系统保护与控制, 2014, 42 (18) :66-71

[5] 代价敏感VBGP在变压器故障诊断中的应用 [J].

尹金良 ;

朱永利 ;

郑晓雨 ;

王国强 .

电工技术学报, 2014, 29 (03) :222-227+236

[6] 加权极限学习机在变压器故障诊断中的应用 [J].

遇炳杰 ;

朱永利 .

计算机工程与设计, 2013, 34 (12) :4340-4344

[7] 深度学习的昨天、今天和明天 [J].

余凯 ;

贾磊 ;

陈雨强 ;

徐伟 .

计算机研究与发展, 2013, 50 (09) :1799-1804

[8] 改进证据理论与神经网络集成的变压器故障诊断 [J].

程加堂 ;

艾莉 ;

段志梅 .

电力系统保护与控制, 2013, 41 (14) :92-96

[9] 基于辨别性深度信念网络的说话人分割 [J].

马勇 ;

鲍长春 ;

夏丙寅 .

清华大学学报(自然科学版), 2013, 53 (06) :804-807+812

[10] 基于高斯过程分类器的变压器故障诊断 [J].

尹金良 ;

朱永利 ;

俞国勤 ;

邵宇鹰 ;

关宏 .

电工技术学报, 2013, 28 (01) :158-164