摘要
传统的变压器故障诊断方法难以准确地拟合溶解气体和故障类型之间复杂的非线性关系,其诊断精度有限。为了提高变压器故障诊断的精度,提出了一种基于胶囊网络(capsulenetwork,CapsNet)的变压器故障诊断方法。利用卷积层强大的特征提取能力,将溶解气体数据映射到特征空间,实现关键特征的自动提取。进一步,通过主胶囊层和数字胶囊层建立特征和故障类型之间的映射关系,利用动态路由算法和反向传播算法完成CapsN et的训练。仿真结果表明:在多种不同输入特征和数据规模的场景下,CapsNet的故障诊断性能都优于卷积神经网络、多层感知机、支持向量机、极限梯度提升树和轻梯度提升机等传统方法,能够有效适应诊断精度的需求,为继电器动作的方式提供指导。研究结果可为电力变压器的故障诊断提供参考。
- 单位