海量数据驱动的变压器故障类型高性能诊断方法

论文摘要

电力变压器故障与否直接影响电力系统运行可靠性,准确且高效的变压器故障诊断有助于及时发现电网不安全因素。文章提出一种基于海量数据驱动的优选训练样本的分布式神经网络决策变压器故障类型方法。首先通过比值法求取DGA的比值型特征向量,根据皮尔逊相关系数和欧氏距离双指标计算方法在各类别中选取更具该类代表性数据作为训练样本;再通过插值-随机抽样方法应对训练样本类间数据不平衡问题并对其进行抽样分块;为适应海量数据处理,在Spark平台上将BPNN算法并行化实现以提高算法性能表现,各BPNN学习不同训练样本块构建性能不同的子分类器;最后对子分类结果多数投票得到最终诊断类型。算例表明所提方法对变压器故障类型诊断效果良好,诊断正确率较IEC三比值法和传统串行BPNN高,证明了该方法对于变压器故障类型诊断的有效性与适用性。

论文目录

文章来源

类型: 期刊论文

作者: 刘洋,刘洋,许立雄,马晨霄,杨得洋

关键词: 电力变压器,故障诊断,海量数据,插值随机抽样

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: 四川大学电气信息学院

分类号: TM407

DOI: 10.19753/j.issn1001-1390.2019.017.015

页码: 88-95

总页数: 8

文件大小: 2193K

下载量: 130

相关论文文献

标签：电力变压器论文;  故障诊断论文;  海量数据论文;  插值随机抽样论文;