基于深度降噪极限学习机的变压器故障诊断

摘要

cqvip:针对变压器故障诊断中模型训练时间长,容易过拟合,噪声敏感等问题,提出一种深度降噪极限学习机变压器故障诊断方法。将极限学习机与降噪自编码器结合构建降噪自编码极限学习机,并将其堆叠构建深度降噪极限学习机模型进行特征提取,将提取的特征输入常规极限学习机进行分类,整体构成深度降噪极限学习机分类算法。该算法能有效应对电压器油中溶解气体分析数据中的噪声且具有非常快的学习速度。仿真实验结果表明,相比于传统BP神经网络,文中方法有更高的故障诊断正确率和更短的训练时间,是一种有效的变压器故障诊断方法。