基于信息融合和SSAEN的变压器故障诊断方法的研究

摘要

在当前所有的电力设备中,变压器的作用最为重要,电能转换和传输都需要变压器来完成,因此对变压器可能存在的潜伏性故障进行诊断是当前研究的热点。传统的研究方法对于变压器的故障数据要求苛刻,并且诊断的效果不佳,无法利用油色谱分析仪检测到的大量无标签数据。本文提出一种基于信息融合的变压器诊断新方法,将DS证据理论与堆栈稀疏自动编码器网络(Stack Sparse Automatic Encoder Network,SSAEN)进行结合,通过层层贪婪无监督训练的方法,充分利用检测到的无标签数据来训练诊断模型,再通过参数调优,最终训练出的诊断模型经过试验测试诊断正确率为96.7%,远高于传统的诊断方法。