面向電力變壓器油中溶解氣體的卷積神經網絡診斷方法

作者：裴小鄧,羅林,陳帥,王喬

摘要：油中溶解氣體分析法(Dissolved Gas Analysis,DGA)是判斷變壓器內部故障的重要方法之一。針對傳統基于淺層的機器學習方法在變壓器故障診斷中存在的特征提取和泛化能力方面的不足,提出了一種基于卷積神經網絡的變壓器故障診斷方法。利用網絡中的卷積層對油中溶解氣體進行特征轉換,結合池化層強化重要特征的能力,對故障敏感特征進行提取。通過實驗研究了卷積核數目、卷積核大小、池化層、網絡深度對模型診斷性能的影響。通過混淆矩陣、ROC曲線和PR曲線對比分析了卷積神經網絡模型、支持向量機(Support Vector Machine,SVM)模型、BP神經網絡(Back Propagation Neural Network,BPNN)模型。實驗結果表明,卷積神經網絡模型的診斷性能更為優秀。

發文機構：遼寧石油化工大學信息與控制工程學院

關鍵詞：油中溶解氣體變壓器故障診斷卷積神經網絡Dissolved gas in oilTransformerFault diagnosisConvolutional neural network

分類號： TM41[電氣工程—電器]