文档名：基于改进残差网络和InfoGAN的变压器局部放电故障诊断方法研究
摘要：油浸式电力变压器作为电力系统的重要设备,对其绝缘状态进行科学诊断具有重要意义.目前,变压器局部放电故障诊断存在因样本匮乏或不均衡造成分类器泛化能力不足,最终导致识别准确率较低的问题.为此,提出了一种基于改进残差网络(ResNet)和信息生成对抗网络(informationmaximizinggenerativeadver-sarialnets,InfoGAN)的变压器局部放电故障诊断方法.首先通过试验平台采集4类典型局放故障的PRPD谱图,然后利用InfoGAN对谱图进行样本增强并评估增强效果;最后,通过在残差块中嵌入注意力机制挤压激励(squeezeandexcitation,SE)模块,得到改进残差网络模型,并利用该模型对故障类型进行识别.结果表明,InfoGAN可以有效丰富样本及其多样性;在样本数充足的条件下,改进的残差网络SE-ResNet18识别率可达99％,相比于其他经典CNN网络识别效果更优,且显著优于传统机器学习算法BPNN和SVM.
Abstract：Asanimportantequipmentinpowersystem,itisofgreatsignificancetoscientificallydiagnosetheinsula-tionstateofoil-immersedpowertransformers.Atpresent,thepatternrecognitionofpartialdischarge(PD)intrans-formerhastheproblemofinsufficientgeneralizationabilityofclassifierduetothelackofsampleorunbalancedsample,resultinginlowrecognitionaccuracy.Therefore,weproposedatransformerPDfaultdiagnosismethodbasedonim-provedresidualnetworkandInfoGAN.Firstly,thePRPDoffourtypicalPDfaultswerecollectedbytheexperimentalplatform,andthentheInfoGANwasusedtoenhancethesampleandevaluatetheenhancementeffect.Finally,theim-provedresidualnetworkmodelwasobtainedbyembeddingtheattentionmechanismSEmoduleintheresidualblock,andthemodelwasusedtoidentifythefaulttype.TheresultsshowthatInfoGANcaneffectivelyenrichthesamplesandtheirdiversity;undertheconditionofsufficientsamples,therecognitionrateoftheimprovedresidualnetworkSE-Res-Net18canreach99％,whichisbetterthanthatofotherclassicalCNNnetworks,andissignificantlybetterthanthetraditionalmachinelearningalgorithmsBPNNandSVM.
作者：律方成 刘贵林 王强 路修权 欧琦 王胜辉Author：LüFangcheng LIUGuilin WANGQiang LUXiuquan OUQi WANGShenghui
作者单位：新能源电力系统国家重点实验室(华北电力大学),北京102206
刊名：华北电力大学学报（自然科学版） ISTICPKU
Journal：JournalofNorthChinaElectricPowerUniversity
年，卷(期)：2024, 51(3)
分类号：TM41
关键词：变压器 故障诊断 数据增强 InfoGAN 残差网络
Keywords：transformer faultdiagnosis dataenhancement InfoGAN ResNet
机标分类号：TP391TM411TP181
在线出版日期：2024年7月2日
基金项目：基于改进残差网络和InfoGAN的变压器局部放电故障诊断方法研究[
期刊论文] 华北电力大学学报（自然科学版）--2024, 51(3)律方成 刘贵林 王强 路修权 欧琦 王胜辉油浸式电力变压器作为电力系统的重要设备,对其绝缘状态进行科学诊断具有重要意义.目前,变压器局部放电故障诊断存在因样本匮乏或不均衡造成分类器泛化能力不足,最终导致识别准确率较低的问题.为此,提出了一种基于改进残...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进残差网络和InfoGAN的变压器局部放电故障诊断方法研究 Research on Transformer Partial Discharge Fault Diagnosis Method Based on Improved Residual Network and InfoGAN
基于改进残差网络和InfoGAN的变压器局部放电故障诊断方法研究.pdf
- 文件大小:
- 12.28 MB
- 下载次数:
- 60
-
高速下载
|
|
