基于同步压缩小波变换和ResNet的变压器放电故障诊断方法

为实现电力变压器运行状态的智能监测和有效辨识,文中提出一种基于同步压缩小波变换图谱与残差神经网络(ResNet)的变压器放电故障诊断方法。利用同步压缩小波变换技术将采集得到的原始声纹进行相应的时频变换,进而得到不同状态下的时频图谱数据集;然后利用残差神经网络实现电力变压器不同状态的辨识;最后,搭建包含三种电力变压器设备典型放电故障的试验对系统进行模拟测试。试验结果表明:所提方法不仅能够有效表征变压器不同的工作状态,而且辨识精度有显著提升,相比于常规方法提升约10%。

基于遗传算法优化BP神经网络的GIS设备放电故障诊断

为有效GIS设备放电故障诊断的快速性和准确性,采用近几年出现的遗传算法对BP神经网络进行优化,减少了BP神经网络算法陷入局部最优解的风险,显著增强了BP神经网络的泛化能力和全局寻优能力。对比发现,遗传算法优化后的BP神经网络模型具有比较好的快速性和准确的诊断能力。测试结果表明,遗传算法优化BP神经网络对GIS设备放电故障诊断具有可行性和有效性。