基于自决策主动纠偏的电力变压器油色谱诊断模型

现有变压器故障诊断模型多采用基于数值误差的模型修正方法,忽视了设备状态与油色谱数据间模糊性映射规律的重要性。针对上述问题,以深度信念网络(deep belief network,DBN)为基础,探讨和改进其网络结构,提出了一种基于自决策主动纠偏的电力变压器油色谱诊断模型,实现了模型在基于数值误差修正过程和基于故障类别差异修正过程间的自动决策与切换功能。首先,建立了基于空间欧式距离的类别差异程度数据库,原始油色谱数据被稀疏自编码器(sparse auto encoder,SAE)映射至高维空间;其次,构造了误差修正决策单元和基于该单元的多级可控误差修正策略,有效控制了多层受限波尔茨曼机(multilayer restricted Boltzmann machine,mRBM)的修正方向和程度,提升了模型对模糊性规律的表述能力。通过算例对模型进行了验证,测试结果表明:提出的故障诊断模型可有效区分变压器故障状态,其平均准确率可达92.32%。研究结果可为变电站的运维检修提供一定的指导。