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。