基于多级决策融合模型的电力变压器故障深度诊断方法

被引：40

作者：

李刚 ^{[1
,2
]}

于长海 ^{[1
]}

范辉 ^{[3
]}

刘云鹏 ^{[2
]}

宋雨 ^{[1
]}

机构：

[1] 华北电力大学控制与计算机工程学院

[2] 华北电力大学新能源电力系统国家重点实验室

[3] 国网河北省电力公司电力科学研究院

来源：

电力自动化设备 | 2017年 / 37卷 / 11期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

电力变压器; 故障诊断; 多源信息融合; 深度置信网络; D-S证据理论; 不确定性分析;

D O I：

10.16081/j.issn.1006-6047.2017.11.022

中图分类号：

TM41 [电力变压器];

学科分类号：

080801 ;

摘要：

针对电力变压器故障的深度诊断问题,提出一种深度置信网络与D-S证据理论相结合的方法。采用深度置信网络对电力变压器故障的多维数据进行特征提取及分类,并结合D-S证据理论解决故障诊断中的不确定性问题,构造了电力变压器故障诊断的多级决策融合模型。以变压器油中溶解气体、局放量以及历史故障数据和家族质量史等数据为样本进行仿真实验,结果表明所提方法对于具备大量多源信息的电力变压器故障诊断问题是有效的。

引用

页码：138 / 144

页数：7

共 13 条

[1] 基于优化神经网络和DGA的变压器故障诊断 [J].