文献类型：期刊文章

作　　者：王辉东[1] 姚海燕[1] 郭强[2] 俞啸玲[1] 张旭峰[2] 丛龙坤[3]

WANG Huidong;YAO Haiyan;GUO Qiang;YU Xiaoling;ZHANG Xufeng;CONG Longkun(Yuhang District Power Supply Company,State Grid Zhejiang Electric Power Co.,Ltd.,Hangzhou 311100,China;Yuhang Qunli Complete Electric Manufacturing Branch,Hangzhou Electric Power Equipment Manufacturing Co.,Ltd.,Hangzhou 311100,China;School of Mechanical Engineering,Northest Electric Power University,Jilin 132011,China)

机构地区：[1]国网浙江省电力有限公司杭州市余杭区供电公司,浙江杭州311100 [2]杭州电力设备制造有限公司余杭群力成套电气制造分公司,浙江杭州311100 [3]东北电力大学机械工程学院,吉林吉林132011

出　　处：《电力科学与技术学报》

基　　金：吉林省科技发展计划(2021050959RQ)。

年　　份：2023

卷　　号：38

期　　号：4

起止页码：104-112

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了提高变压器故障识别的诊断精度,提出一种基于多尺度卷积神经网络模型的变压器故障诊断方法。首先,在1DCNN结构基础上设计2个多尺度卷积模块,构造变压器故障识别模型的总体结构。其次,针对样本特征较少问题,采用基于比值法的特征扩充方法,将样本特征由5维增强至25维;针对故障样本量少以及故障间样本数分布不平衡问题,采用基于对抗生成网络的样本数增强方法,生成大量模拟样本。最后,利用改造后的数据集对所设计的模型进行训练与测试。结果表明,模型平均准确率为93.24%,与相关主流方法在不同数据集下实验对比,本模型表现效果良好。

关 键 词：变压器 故障诊断 油中溶解气体 比值法  多尺度卷积神经网络  对抗生成网络  

分 类 号：TM411]