一种基于深度残差网络下的变压器油中气体故障识别方法

摘要

本发明提出了一种基于深度残差网络下的变压器油中气体故障识别方法，其步骤为：首先，将气体浓度、采样时间和采样点温度组合成新的气体特征向量，并对气体特征向量进行数据增强和故障评估，得到训练集和测试集；其次，利用半软阈值函数替换掉共通道深度残差收缩网络中的软阈值，得到子通道阈值深度残差收缩网络；最后，利用子通道阈值深度残差收缩网络分别对训练集和测试集进行训练和测试，并利用自适应可变权重的交叉熵函数对识别结果进行评价，根据评价结果判断是否更新故障阈值，以更好的识别故障类型。本发明利用半软阈值函数进行替换后解决了软阈值信号重构出现的恒定偏差问题，并利用交叉熵函数获取更准确、更具时效性的故障阈值判定标准。