基于弹性振动和深度学习的变压器状态识别
Research on transformer state recognition based on elastic vibration and deep leaning作者机构:中国电力科学研究院有限公司北京100055 中国科学院上海高等研究院上海201210 同济大学声学研究所上海200092 常州东芝变压器有限公司江苏常州213012
出 版 物:《信息技术》 (Information Technology)
年 卷 期:2024年第48卷第4期
页 面:126-130,136页
学科分类:08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置]
基 金:国家电网公司科技项目资助(5200-201955099A-0-0-00)
主 题:变压器 状态识别 深度学习 一维卷积神经网络 模式识别
摘 要:针对当前传统的变压器状态识别算法需要人工干预的问题,研究了一种能够自动提取特征并分类的一维卷积神经网络算法。该算法通过3层卷积池化层自动提取信号特征,并通过全连接层展为一维矢量,最终通过Softmax层进行分类。鉴于弹性振动信号抗干扰能力较强,选择弹性振动信号作为信号处理研究对象,运用基于一维卷积神经网络和弹性振动的方法对变压器状态进行识别,并通过采集500kV变压器的弹性振动信号获取的数据集进行验证,结果表明该算法的准确率优于BP、SVM和SAE算法,能对变压器的不同状态实现自动有效识别。