文档名：基于贝叶斯与深度学习结合的变压器故障诊断
摘要：为提高边界状态变压器故障诊断的正确率,提出基于贝叶斯神经网络的变压器故障诊断方法.首先,将深度学习与贝叶斯方法结合,构建基于概率分布权重单元的贝叶斯神经网络,建立气体成分与故障状态间的概率映射关系;然后,采用变分推理方法训练贝叶斯神经网络,并基于蒙特卡罗拟合边界状态变压器的故障概率,定量评价边界状态变压器的健康情况.算例分析结果表明,所提方法对边界状态变压器的故障诊断能力更强,且对样本数据误差具有良好的鲁棒性.
作者：霍浩 马天龙 李宁瑞 康超 赵立宇 孙伟Author：HUOHao MATianlong LINingrui KANGChao ZHAOLiyu SUNWei
作者单位：国网甘肃省电力公司超高压公司,兰州730070
刊名：电力系统及其自动化学报 ISTICPKU
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2023, 35(9)
分类号：TM406
关键词：溶解气体分析 变压器 故障诊断 贝叶斯神经网络 变分推理
Keywords：dissolvedgasanalysis transformer faultdiagnosis Bayesianneuralnetwork variationalinference
机标分类号：TP183TP311.13TH165
在线出版日期：2023年10月11日
基金项目：基于贝叶斯与深度学习结合的变压器故障诊断[
期刊论文] 电力系统及其自动化学报--2023, 35(9)霍浩 马天龙 李宁瑞 康超 赵立宇 孙伟为提高边界状态变压器故障诊断的正确率,提出基于贝叶斯神经网络的变压器故障诊断方法.首先,将深度学习与贝叶斯方法结合,构建基于概率分布权重单元的贝叶斯神经网络,建立气体成分与故障状态间的概率映射关系;然后,采用...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
基于贝叶斯与深度学习结合的变压器故障诊断 Transformer Fault Diagnosis Based on Bayesian Method and Deep Learning
基于贝叶斯与深度学习结合的变压器故障诊断.pdf
- 文件大小:
- 1.4 MB
- 下载次数:
- 60
-
高速下载
|
|
