基于深度學習的變壓器故障診斷技術研究.pdf

1、由于油浸式電力變壓器在不同運行狀態(tài)時油中溶解氣體的類型和含量不同，油中溶解氣體分析(Dissolved Gas-in-oil Analysis，DGA)長期以來成為判別其運行狀態(tài)的一種有效手段。本文在分析現(xiàn)有基于DGA的電力變壓器故障診斷方法的特點基礎上，針對其存在的缺陷和不足，首次嘗試將具有較強學習能力的深度學習神經(jīng)網(wǎng)絡（Deep Learning Neural Networks，DLNNs）應用于油浸式電力變壓器故障診斷，為變壓器檢

2、修人員對變壓器是否決定斷電檢修提供更為準確的參考信息。
　　提出了一種基于深度自編碼網(wǎng)絡(Deep Auto-Encoder Networks，DAENs)的油浸式電力變壓器故障診斷新方法?；贒AENs，結合電力變壓器DGA數(shù)據(jù)特點及故障類型，構建了變壓器故障診斷模型，并詳細給出了診斷方法實現(xiàn)步驟。該方法具有較強的數(shù)據(jù)樣本特征轉(zhuǎn)換能力，能夠以概率形式給出故障診斷結果。
　　提出了一種基于深度信念網(wǎng)絡(Deep Belief

3、 Networks，DBNs)的油浸式電力變壓器故障診斷新方法。構建了深度信念網(wǎng)絡分類器(Deep Belief Network Classifier，DBNC)模型，并將其應用于變壓器故障分類，給出了故障判別具體實現(xiàn)步驟。該方法具有較強地從大量數(shù)據(jù)樣本中提取特征的能力，可以充分利用通過變壓器油色譜在線監(jiān)測裝置所獲取的無標簽樣本進行訓練，有效判別出故障類型。
　　采用工程實例對文中所提出的兩種油浸式電力變壓器故障診斷方法進行了測試