基于数据增强型一维改进卷积神经网络的变压器故障诊断方法

作者：李平; 胡根铭^*

来源：电网技术, 2023, 47(07): 2957-2967.

DOI：10.13335/j.1000-3673.pst.2022.1902

• 一维卷积神经网络
• 变分自编码器
• 数据增强
• 变压器故障诊断
• 深度学习

为提升基于深度学习的变压器故障诊断精度，提出了一种数据增强型一维改进卷积神经网络的变压器故障诊断方法。首先，针对传统变分自编码器数据生成过程中的盲目性弊端，提出改进变分自编码器(improved variational autoencoder,IVAE)优化变压器溶解气体数据生成策略。其次，为使深层网络结构能适应变压器溶解气体数据，构建一维改进卷积神经网络(one-dimensional improved convolutional neural network,1D-ICNN)作为故障诊断分类器。最后，通过算例仿真验证了所提方法的可行性和适应性。结果表明IVAE能有效解决变压器故障数据样本少、诊断准确率低的局限；数据增强型1D-ICNN在分类精准度上表现优异，准确度提升了13.49%，研究结果可为变压器故障的准确诊断提供新思路。

• 单位
  安徽理工大学