论文摘要
为了进一步提高电力变压器故障诊断的识别能力,提出了一种基于堆栈稀疏降噪自动编码器（stacked sparse denoising auto-encoder,SSDAE）的新型深度学习电力变压器故障诊断新方法,较好地解决了传统电力变压器故障诊断方法识别率低及特征提取能力差的问题。SSDAE模型首先使用大量的无标签数据,采用逐层贪婪法进行无监督预训练;然后将模型的最后一层连接Softmax分类器,使用带有故障类型的数据进行微调;最终通过实例数据证明,与三比值法和基于支持向量机（support vector machine, SVM）算法的诊断方法对比,所提出的基于SSDAE网络的变压器故障诊断方法的准确率可提高近20%。
论文目录
文章来源
类型: 期刊论文
作者: 朱超岩,姚晓东,林向会,韩文征,黄煊赫
关键词: 电力变压器,故障诊断,特征提取,堆栈稀疏降噪自动编码器
来源: 中国科技论文 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 上海电机学院电气学院
分类号: TM407
页码: 1217-1222
总页数: 6
文件大小: 1483K
下载量: 80
相关论文文献
标签：电力变压器论文; 故障诊断论文; 特征提取论文; 堆栈稀疏降噪自动编码器论文;