深度学习在故障诊断中的应用

《深度学习在故障诊断中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、分类号：单位代码：密级：学号：故障诊断论文作业题目：深度学习在电力变压器故障诊断应用姓名：黄贤存学号：20152283405研究方向：基于深度学习的图像处理二O—六年四月深度学习在电力变压器故障诊断应用摘要：rti于电力变压器发生故障吋汕色谱在线监测数据无标签，工程现场往往会得到大量无标签故障样木，而传统的故障诊断方法在对变压器故障类型进行判别时往往无法充分利用这些无标签故障样本。该文基于深度学习神经网络[1](deeplearningneuralnetwork,DLNN),构建了相应的分类模型，分析并用典型数据集对其分类性能进行测试。在此基础上提出一种屯力变压器故障诊断新方法，它能够有效

2、利用大量电力变压器油色谱在线监测无标签数据和少量故障电力变压器油中溶解气体分析⑵(dissolvedgas-in-oilanalysis,DGA)实验数据进行训练，并以概率形式给出故障诊断结果，具有更优的故障判别性能，能够为变压器的检修提供更为准确的参考信息。关键词：故障诊断；电力变压器；深度学习神经网络；溶解气体分析Abstract：Asoilchromatographyonline-monitoringdataisunlabeledduringpowertransformerfailure,projectsitestendtogetalargenumberofunlabeledfaul

3、tsamples.However,traditionaldiagnosismethodsoftenfailtomakefulluseofthoseunlabeledfaultsamplesinjudgingtransformerfaulttypes.Basedondeeplearningneuralnetwork(DLNN),acorrespondingclassificationmodelwasestablished,whoseclassificationperformancewasanalyzedandtestedbytypicaldatasets.Onthisbasis,anewfa

4、ultdiagnosismethodofpowertransformerwasfurtherproposed,inwhichalargenumberofunlabeleddatafromoilchromatogramlinemonitoringdevicesandasmallnumberoflabeleddatafromdissolvedgas-in-oilanalysis(DGA)werefullyusedintrainingprocess-Itcouldgeneratefaultdiagnosisresultintheformofprobabilities^andprovidemore

5、accurateinformationforthemaintenanceofpowertransformerbecauseofitsbetterperformanceinfaultdiagnosis.Keywords:faultdiagnosis;powertransformer;deeplearningneuralnetwork;dissolvedgas-in-oilanalysis0引言由于油浸式电力变压器在不同运行状态时，油中溶解气体的类型和含量不同，油中溶解气体分析(dissolvedgas-in-o订analysis,DGA)长期以来成为判别其运行状态的一种有效手段。随着人工智能

6、的发展，越來越多的领域运用人工神经网络(artficialneuralnetwork,ANN)、支持向量机(supportvectormachine,SVM)和极限学习机(extremelearningmachine,ELM)等电力变压器智能诊断方法来解决一些棘手的问题，但是但是ANN方法收敛速度慢、易发生震荡;SVM方法木质上属于二分类算法，在多分类问题上存在构造学习器困难及分类效率低的缺点，而且核函数的选择和参数的确定比较困难。深度学习神经网络(deeplearningneuralnetwork,DLNN)是2006年由Hinton教授提出的一种深层机器学习方法⑶，具有较强的从样本中提

7、取特征以及对特征进行转换的能力，学习能力强，是近儿年国内外研究和探讨的一个热点。目前，它已经成功应用于语音识别、目标识别、口然语言处理等方面，但在电力变压器故障诊断方面应用的研究才刚刚起步。基于DLNN,本文首先构建分类深度学习神经网络模型，并用典型的分类数据集对其分类性能进行分析验证。然后，结合电力变压器油色谱在线监测数据和DGA数据特征及故障类型，提出一种新的变压器故障诊断方法。该方法采用半监督机器学习方法，学习能力