论文摘要
针对现有的变压器故障诊断方法无法同时实现对历史数据的记忆能力和对未知数据的泛化能力,且很少考虑故障特征之间交互对诊断结果的影响,提出一种基于深广神经网络的变压器故障诊断方法.在具有记忆能力的广义线性模型中加入离散特征的交叉特征,同时使用具有泛化能力的深度神经网络来捕捉连续特征之间的高阶交互,用联合训练的方法对二者进行参数优化.用优化后的模型处理变压器的油中溶解气体分析(DGA)数据,做出故障诊断,并将实验结果与采用支持向量机、逻辑回归、BP神经网络得到的结果进行对比,证明了所提算法对DGA数据的处理更优,且诊断结果准确率更高.
论文目录
文章来源
类型: 期刊论文
作者: 杜江,张知杰,孙铭阳,吕艳硕
关键词: 深广神经网络,记忆能力,泛化能力,交叉特征,联合训练,变压器故障诊断
来源: 中北大学学报(自然科学版) 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室,河北工业大学河北省电磁场与电器可靠性重点实验室
分类号: TM407
页码: 90-96
总页数: 7
文件大小: 1110K
下载量: 189