为提高边界状态变压器故障诊断的正确率，提出基于贝叶斯神经网络的变压器故障诊断方法。首先，将深度学习与贝叶斯方法结合，构建基于概率分布权重单元的贝叶斯神经网络，建立气体成分与故障状态间的概率映射关系；然后，采用变分推理方法训练贝叶斯神经网络，并基于蒙特卡罗拟合边界状态变压器的故障概率，定量评价边界状态变压器的健康情况。算例分析结果表明，所提方法对边界状态变压器的故障诊断能力更强，且对样本数据误差具有良好的鲁棒性。
科研之友
微信
新浪微博
Facebook
分享链接
