基于电网多源数据融合的深度学习算法研究与应用

摘要

针对多源数据融合在电力系统智能运维中的应用,文中构建了包括油色谱指标、油化试验指标与电气试验指标在内,共3个方面的多源数据体系分析Dempster-Shafer(DS)证据理论在多源数据融合决策中的应用原理,并设计了深度学习网络(DLN)模型及其训练方法,进一步提出了基于DLN-DS的电力变压器故障诊断算法.以某省电网变压器检修数据为例进行了仿真分析,测试结果表明,通过DS证据理论实现多源数据的融合可以使得故障诊断决策更加直观、明显,且同时提高了故障诊断准确率.DLN算法相比于BP神经网络(BPNN)与支持向量机算法(SVM)能够适用于数据量大的场景,具有更高的故障诊断准确率.