基于时空特征深度网络的电力变压器在线故障诊断

杨 威 吴明孝 王黎炜 周少珍 付 刚

PDF(5058 KB)
欢迎访问制造业自动化官方网站!
PDF(5058 KB)
制造业自动化 ›› 2023, Vol. 45 ›› Issue (9) : 31-35.
检测与监控

基于时空特征深度网络的电力变压器在线故障诊断

  • 为了解决基于溶解气体分析的传统变压器故障诊断在特征提取和在线建模方面的问题,提出了一种基于时空 特征的电力变压器在线检测方法。该方法将卷积神经网络与长短期记忆相结合,由卷积层和池化层提取出 空间域相关特征,引入一种具有门控结构的递归神经网络以获取时间特征。因此,这种在线端到端的深度 网络是由一个连接时间和空间特征的顺序层所构成。通过在溶解气体数据分析中与现有模型进行的比较实 验,证明了该方法的优秀性能。结果表明,所提出的方法对于时间步长的选取不敏感,且预测精度比动态 支持向量机和卷积神经网络高10%~30%。
作者信息 +

Online fault diagnosis of power transformer based on spatiotemporal characteristic depth network

Author information +
History +

引用本文

导出引用
杨 威 吴明孝 王黎炜 周少珍 付 刚. 基于时空特征深度网络的电力变压器在线故障诊断[J].制造业自动化, 2023, 45(9): 31-35.
YANG Wei , WU Ming-xiao , WANG Li-wei , ZHOU Shao-zhen, FU Gang. Online fault diagnosis of power transformer based on spatiotemporal characteristic depth network[J]. Manufacturing Automation, 2023, 45(9): 31-35.
PDF(5058 KB)

37

Accesses

0

Citation

Detail

段落导航
相关文章

/