文献类型：期刊文章

作　　者：代杰杰[1] 宋辉[1] 杨祎[2] 陈玉峰[2] 盛戈皞[1] 江秀臣[1]

机构地区：[1]上海交通大学电气工程系,上海市闵行区200240 [2]国网山东省电力公司电力科学研究院,山东省济南市250002

出　　处：《电网技术》

基　　金：国家自然科学基金项目(51477100);国家863高技术基金项目(2015AA050204);国家电网公司科技项目~~

年　　份：2018

卷　　号：42

期　　号：2

起止页码：658-664

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：油中溶解气体分析可为变压器故障诊断提供重要依据。为提高变压器故障诊断精度,研究了基于修正线性单元改进的深度信念网络（rectified linear units deep belief networks,Re LU-DBN）变压器故障诊断方法。通过分析油中溶解气体与故障类型的联系,建立以油色谱特征气体无编码比值为特征参量的Re LU-DBN诊断模型。Re LU-DBN通过多维多层映射提取出故障类型更细致明显的特征区别,通过反向调优达到诊断模型参数最优化。通过识别实验分析了不同特征参量、不同训练集及样本集大小下Re LU-DBN诊断模型效果,研究了放电兼过热复合型故障对诊断模型的影响,并与支持向量机、反向传播神经网络方法做了对比。实验结果表明基于无编码比值的模型诊断效果优于IEC比值、Rogers比值、Dornenburg比值为特征参量的模型,且Re LU-DBN较支持向量机和反向传播神经网络方法相比诊断准确率有较大提高。区分复合型故障的模型诊断效果优于未区分复合型故障的模型。随着样本数据的增多,模型诊断精度得到较大提升。

关 键 词：变压器 油中气体分析 深度信念网络  无编码比值  故障诊断

分 类 号：TM85]