文献类型：期刊文章

作　　者：刘仲民[1] 翟玉晓[1] 张鑫[2] 周静龙[3]

LIU Zhongmin;ZHAI Yuxiao;ZHANG Xin;ZHOU Jinglong(College of Electrical and Information Engineering,Lanzhou University of Technology,Lanzhou 730050,China;State Grid Gansu Maintenance Company,Lanzhou 730000,China;Baiyin Power Supply Company,State Grid Gansu Electric Power Company,Baiyin 730900,China)

机构地区：[1]兰州理工大学电气工程与信息工程学院,兰州730050 [2]国网甘肃省电力公司检修公司,兰州730000 [3]国网甘肃省电力公司白银供电公司,白银730900

出　　处：《高电压技术》

年　　份：2020

卷　　号：46

期　　号：12

起止页码：4258-4265

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对变压器故障边界划分的模糊性和传统模糊方法对变压故障诊断准确率低等问题,提出了一种基于深度信念网络(deep belief network, DBN)和改进的模糊C均值聚类(improved fuzzy C-means clustering, IFCM)的变压器故障诊断方法。该方法首先对故障数据进行归一化处理,然后利用深度信念网络对故障数据进行特征提取,最后利用改进的模糊C均值聚类对提取的特征进行聚类,以达到故障分类的目的。仿真实验表明:相较已有的变压器故障诊断方法,所提方法具有较高的诊断准确率,其准确率为93.3%,能够较为精准地识别变压器的各种故障。

关 键 词：变压器 故障诊断 深度信念网络  模糊C均值聚类 DBN-IFCM  故障边界  

分 类 号：TM41]