Fault diagnosis of mind-used transformer based on stacked sparse auto-encoder
-
摘要: 鉴于将深度学习应用于变压器故障诊断具有良好的故障诊断效果，提出了一种基于栈式稀疏自编码器的矿用变压器故障诊断方法。通过在自编码器隐含层引入稀疏项限制构成稀疏自编码器，再将多个稀疏自编码器进行堆叠形成栈式稀疏自编码器，并以Softmax分类器作为输出层，建立矿用变压器故障诊断模型；利用大量无标签样本对模型进行无监督预训练，并通过有监督微调优化模型参数。算例分析结果表明，与栈式自编码器相比，栈式稀疏自编码器应用于矿用变压器故障诊断具有更高的准确率。
-
关键词:
- 矿用变压器 /
- 故障诊断 /
- 深度学习 /
- 栈式稀疏自编码器 /
- Softmax分类器
Abstract: In view of application of deep learning to transformer fault diagnosis had a good fault diagnosis effect, a fault diagnosis method of mind-used transformer based on stacked sparse auto-encoder was proposed. Sparse auto-encoder is constructed by introducing sparse item constraint in hidden layer of auto-encoder, then the multiple sparse auto-encoders are stacked to form stacked sparse auto-encoder, and Softmax classifier is used as output layer to establish mine-used transformer fault diagnosis model. A large number of unlabeled samples are used to carry out unsupervised pre-training for the model, and the model parameters are optimized through supervised fine-tuning. The example analysis results show that stacked sparse auto-encoder is more accurate than stack auto-encoder in application of fault diagnosis of mind-used transformer. -
-
期刊类型引用(8)
1. 黄旭，许冬云. 基于MF-SAE-SSA-KELM油浸式变压器故障诊断方法. 工业控制计算机. 2024(10): 126-128 . 
百度学术
2. 程璐. 智慧煤矿下的设备故障诊断. 电子技术与软件工程. 2023(02): 77-80 . 百度学术
3. 雍明超，王磊，祁招，庞杰锋，姜睿智，孟乐，王胜辉，邵向阳. 干式变压器智能系统构建策略及关键技术研究. 电气应用. 2022(11): 6-15 . 百度学术
4. 王浩滢. 深度学习及其发展趋势研究综述. 电子制作. 2021(10): 92-95 . 百度学术
5. 武天府，刘征，王志强，李劲松，李国锋. 基于Focal损失SSDAE的变压器故障诊断方法. 电力工程技术. 2021(06): 18-24 . 百度学术
6. 张凡博，王波. 多CPU结构微机变压器保护装置的设计与实现. 电力电子技术. 2021(12): 122-126 . 百度学术
7. 郭裕祺，朱大令，何心. 基于自编码器的调压器在线故障诊断方法. 煤气与热力. 2020(01): 20-23+45 . 百度学术
8. 邢砾文，姚文凯，黄莹. 基于深度学习的集成化装备故障诊断方法综述. 计算机测量与控制. 2020(08): 1-8 . 百度学术
其他类型引用(11)
计量
- 文章访问数: 76
- HTML全文浏览量: 17
- PDF下载量: 15
- 被引次数: 19
下载:
