论文摘要
油色谱数据及其变化趋势是评估变压器健康状态的重要依据。现有研究表明,深度信念网络(deep belief network,DBN)在油色谱数据预测领域已取得一定成果,为变压器的运行维护提供了参考。但在实际应用过程中,仍存在因网络结构限制导致油色谱时域相关性表述不充分的情况,其预测结果呈现显著的"时移"误差,从而使得基于该方法的设备状态预测结果与实际不符。针对此问题,提出了一种面向油色谱预测的深度递归信念网络算法(deepre current belief network,DRBN),该算法构建了具有时序关联特征的深度网络结构,使预测结果呈现的"时移"误差得以消除,更新了误差的迭代修正过程,使误差在网络层间和层内得以同时流动,从而提升了预测准确率。测试结果表明,文中所提出的方法可以有效克服"时移"误差,其预测准确率可达95.16%以上,为变压器的状态预测和故障预判提供了依据。
论文目录
文章来源
类型: 期刊论文
作者: 齐波,王一鸣,张鹏,李成榕,王红斌
关键词: 变压器,状态预测,深度信念网络,油色谱,自适应延迟网络
来源: 电网技术 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 新能源电力系统国家重点实验室(华北电力大学),广州供电局有限公司
基金: 国家863高技术基金项目(2015AA050204)~~
分类号: TM41
DOI: 10.13335/j.1000-3673.pst.2019.0030
页码: 1892-1900
总页数: 9
文件大小: 601K
下载量: 350