基于DGA和深度置信网络的变压器内部故障诊断

被引：19

作者：

姜有泉 ^{[1
]}

黄良 ^{[1
]}

王波 ^{[2
]}

赵立进 ^{[1
]}

吕黔苏 ^{[1
]}

杨涛 ^{[1
]}

吴建蓉 ^{[1
]}

机构：

[1] 贵州电网有限责任公司电力科学研究院

[2] 武汉大学电气工程学院

来源：

武汉大学学报(工学版) | 2017年 / 50卷 / 05期

关键词：

电力变压器; 故障诊断; 深度学习; 特征提取; 对比歧化; 溶解气体分析(DGA);

D O I：

10.14188/j.1671-8844.2017-05-018

中图分类号：

TM41 [电力变压器];

学科分类号：

080801 ;

摘要：

以油中特征气体组分比值为特征量的故障诊断是变压器内部故障诊断的重要方法,但实际应用中常出现"超码"和"缺码"问题,导致故障诊断精度低.从"信息驱动"的角度,提出一种基于深度置信网络的无监督型变压器故障诊断方法.该方法利用深度置信网络的油溶解气体特征提取,构建多隐含层的深度学习模型,采用无监督特征学习方法,实现在少样本情况下的变压器故障识别问题.算例表明,所提的深度置信网络提高了电力变压器故障诊断的准确率.

引用

页码：749 / 753

页数：5