10.3969/j.issn.2095-2783.2018.23.012
基于栈式自编码器和Softmax分类器的电力变压器故障诊断
为更加有效地解决电力变压器故障诊断时面临的数据提取、局部最优、梯度消散等问题,提出了一种基于栈式自编码器(stacked auto-encoders,SAE)与Softmax分类器的电力变压器故障诊断新方法.所提方法首先基于SAE与Softmax分类器理论,建立电力变压器故障诊断模型;然后基于k步对比散度算法,利用大量无标签样本对故障诊断模型中的每个受限玻尔兹曼机(restricted Boltzmann machine,RBM)进行逐层无监督训练,并使用有监督算法对模型参数进行调优;最后结合Softmax分类器对故障类型进行判断.算例分析证明,与基于支持向量机(support vector machine,SVM)和反向传播神经网络算法的故障诊断方法相比,所提方法在电力变压器评估方面具有较好的稳定性及更高的准确率.
高电压与绝缘技术、电力变压器、故障诊断、栈式自编码器、Softmax分类器、反向传播神经网络
13
TM41(变压器、变流器及电抗器)
山东省科技发展计划资助项目2012G0020503;国家电网公司科技项目5206051500T2
2019-06-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
2694-2699