文献类型：期刊文章

作　　者：朱瑞金[1] 郝东光[2] 胡石峰[1]

ZHU Ruijin;HAO Dongguang;HU Shifeng(School of Electrical Engineering,Tibet Agriculture and Animal Husbandry University,Linzhi 860000,China;State Grid Tibet Electric Power Company,Linzhi 860100,China)

机构地区：[1]西藏农牧学院电气工程学院,林芝860000 [2]国网西藏电力有限公司,林芝860100

出　　处：《电力系统及其自动化学报》

基　　金：国家自然科学基金资助项目(51667017);西藏自治区教育厅高校重点实验室-电气工程实验室支持项目(2019D-ZN-02)。

年　　份：2021

卷　　号：33

期　　号：1

起止页码：64-69

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为提高小样本条件下变压器故障诊断的准确率,提出了一种小样本条件下基于卷积孪生网络CSNN(convolutional Siamese neural network)的变压器故障诊断方法。利用具有强大特征提取能力的卷积层和池化层来构建孪生网络将原始数据映射到低维空间。并基于欧式距离进行相似度的对比,从而实现故障的分类。仿真结果表明,CSNN比传统方法更加适合小样本条件下的变压器故障诊断,利用卷积层和池化层来构建孪生网络比仅用全连接层来构建孪生网络会收获更高的准确率。

关 键 词：变压器 故障诊断 小样本 孪生网络  

分 类 号：TM41]