Print

深广神经网络在变压器故障诊断中的应用

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

  • 0 引言
  • 1 深广神经网络基本原理
  •   1.1 深度神经网络模块
  •   1.2 广义线性模型
  •   1.3 联合训练
  • 2 基于深广神经网络的变压器故障诊断模型构建
  •   2.1 样本收集
  •   2.2 数据预处理
  •     2.2.1 连续特征离散化
  •     2.2.2 离散特征独热编码
  •     2.2.3 交叉特征构建
  •     2.2.4 连续特征归一化
  •   2.3 DWM结构构建
  • 3 变压器故障诊断实验和对比
  •   3.1 基于深广神经网络的实验流程
  •   3.2 对比实验
  • 4 结论

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/1d868c2341e1b228c4516f01.html