基于SDAE-VPMCD的变压器故障诊断方法研究

论文摘要

为解决传统变压器故障诊断存在监测大数据、小样本分类效果差等问题,提出一种基于变量预测模型(VPMCD)和堆栈降噪自编码(SDAE)的故障诊断方法。采集变压器油色谱数据,并进行归一化处理;对堆栈降噪自编码网络进行逐层训练学习,获取数据的高层特征表示并确定网络结构参数;训练变量预测模型中四种数学模型,获取故障类型的最佳模型及相关参数;最后,采用少量有标签数据对整个模型进行微调,确定最优网络参数完成故障诊断。实验结果表明,该混合模型识别精度较高,可扩展性和鲁棒性较强。

论文目录

• 0 引言
• 1 DGA故障诊断原理
• 2 基于SDAE-VPMCD的变压器故障诊断
•   2.1 堆栈降噪自编码模型
•   2.2 变量预测模型
•   2.3 基于SDAE-VPMCD的变压器故障诊断
• 3 算例分析
•   3.1 数据分析
•   3.2 参数测试及分析
•     3.2.1 隐藏层数
•     3.2.2 隐藏节点个数
•     3.2.3 添加噪声的比例
•   3.3 变量预测模型参数
•   3.4 不同算法精度对比
• 4 结束语

文章来源

类型: 期刊论文

作者: 马利洁,朱永利

关键词: 故障诊断,大数据,小样本,变量预测模型,堆栈降噪自编码

来源: 电测与仪表 2019年17期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 华北电力大学新能源电力系统国家重点实验室

基金: 国家自然科学基金资助项目(51677072)

分类号: TM407

DOI: 10.19753/j.issn1001-1390.2019.017.016

页码: 96-101

总页数: 6

文件大小: 936K

下载量: 240