文献类型：期刊文章

作　　者：王雨虹[1] 王志中[1] 付华[1] 王淑月[1] 王留洋[1]

Wang Yuhong;Wang Zhizhong;Fu Hua;Wang Shuyue;Wang Liuyang(Faculty of Electrical and Control Engineering,Liaoning Technical University,Liaoning 125105,China)

机构地区：[1]辽宁工程技术大学电气与控制工程学院,辽宁125105

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(51974151,71771111);辽宁省高等学校国(境)外培养项目(2019GJWZD002);辽宁省高等学校创新团队项目(LT2019007);辽宁省教育厅科技项目(LJ2019QL015);辽宁省高等学校基本科研项目(LJKZ0352)资助。

年　　份：2022

卷　　号：43

期　　号：3

起止页码：87-97

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对变压器故障诊断精度低的问题,提出了一种多策略改进麻雀算法(MISSA)与双向长短时记忆网络(BiLSTM)的变压器故障诊断模型。基于油中溶解气体分析(DGA)技术,结合无编码比值方法提取变压器9维故障特征作为模型输入进行网络训练,输出层采用Softmax函数得到故障诊断类型;采用Logistic混沌映射、均匀分布的动态自适应权重以及动态拉普拉斯算子来对麻雀搜索算法(SSA)进行改进;在初始解集内,利用MISSA对目标超参数进行寻优,使变压器故障诊断精度最优,并结合核主成分分析(KPCA)对故障特征指标降维,加快模型收敛速度。结果表明,提出的模型诊断精度为94%与PSO-BiLSTM、GWO-BiLSTM和SSA-BiLSTM故障诊断模型相比,分别提高了11.33%、8.67%、6%,验证了本文方法能够有效地提高变压器的故障诊断性能。

关 键 词：变压器 油中溶解气体 麻雀算法  深度学习  核主成分分析

分 类 号：TM411] TH165.3]