本文選題：變壓器　切入點(diǎn)：油中溶解氣體　出處：《電網(wǎng)技術(shù)》2017年08期 　論文類型：期刊論文

【摘要】：對(duì)油中溶解氣體濃度發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè),可為變壓器狀態(tài)評(píng)估提供重要依據(jù)。提出一種基于深度信念網(wǎng)絡(luò)的變壓器油中溶解氣體濃度預(yù)測(cè)模型。該模型以7種特征氣體濃度、環(huán)境溫度、變壓器油溫為可視輸入,通過(guò)對(duì)基于受限玻爾茲曼機(jī)的多隱層機(jī)器學(xué)習(xí)模型訓(xùn)練,可自動(dòng)提取氣體濃度自身發(fā)展規(guī)律,逐層激活各氣體組分之間及溫度對(duì)氣體濃度影響的強(qiáng)相關(guān)性,抑制、弱化無(wú)關(guān)和冗余信息。該模型具有較高預(yù)測(cè)精度,克服了傳統(tǒng)單一變量預(yù)測(cè)方法穩(wěn)定性差的問(wèn)題,同時(shí)避免了人工干預(yù)過(guò)程。通過(guò)算例分析,驗(yàn)證了該方法的有效性。
[Abstract]:The development trend of dissolved gas concentration in oil is predicted, which can provide an important basis for transformer condition evaluation. A prediction model of dissolved gas concentration in transformer oil based on depth belief network is proposed. The model is based on seven characteristic gas concentrations. The ambient temperature and transformer oil temperature are visually input. By training the multi-hidden layer machine learning model based on the constrained Boltzmann machine, the self-development law of gas concentration can be automatically extracted. It activates the strong correlation between gas components and temperature on gas concentration layer by layer, suppresses and weakens irrelevant and redundant information. The model has high prediction accuracy and overcomes the problem of poor stability of traditional single variable prediction method. At the same time, the artificial intervention process is avoided, and the effectiveness of the method is verified by an example.
【作者單位】： 上海交通大學(xué)電氣工程系;國(guó)網(wǎng)山東省電力公司電力科學(xué)研究院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51477100) 國(guó)家863高技術(shù)基金項(xiàng)目(2015AA050204) 國(guó)家電網(wǎng)公司科技項(xiàng)目(520626150032)~~
【分類號(hào)】：TM41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張新伯;唐炬;潘成;張曉星;金淼;楊東;鄭建;汪挺;;用于局部放電模式的深度置信網(wǎng)絡(luò)方法[J];電網(wǎng)技術(shù);2016年10期

2 周曉莉;張豐;杜震洪;曹敏杰;劉仁義;;基于CRBM算法的時(shí)間序列預(yù)測(cè)模型研究[J];浙江大學(xué)學(xué)報(bào)(理學(xué)版);2016年04期

3 林湘寧;黃京;熊衛(wèi)紅;翁漢t ;朱黎明;張貞;謝志成;;變壓器油中溶解氣體濃度的區(qū)間預(yù)測(cè)[J];電力自動(dòng)化設(shè)備;2016年04期

4 酆勇;熊慶宇;石為人;曹俊華;;一種基于受限玻爾茲曼機(jī)的說(shuō)話人特征提取算法[J];儀器儀表學(xué)報(bào);2016年02期

5 石鑫;朱永利;薩初日拉;王劉旺;孫崗;;基于深度信念網(wǎng)絡(luò)的電力變壓器故障分類建模[J];電力系統(tǒng)保護(hù)與控制;2016年01期

6 徐征宇;汪可;孫建濤;趙曉宇;李原;;直流電壓下油紙絕緣局部放電發(fā)展過(guò)程的潛伏期特征[J];電網(wǎng)技術(shù);2016年02期

7 吳廣寧;姚夢(mèng)熙;辛東立;高波;;油浸絕緣紙?jiān)诓痪鶆驘崂匣碌脑囼?yàn)研究[J];電網(wǎng)技術(shù);2015年11期

8 劉凱;王鵬;王偉;;直流電場(chǎng)下變壓器油中電場(chǎng)分布特性[J];電網(wǎng)技術(shù);2015年06期

9 魏振;齊波;左健;李成榕;;基于局部放電圖像特征的換流變壓器油紙絕緣缺陷診斷方法[J];電網(wǎng)技術(shù);2015年04期

10 余濱;李紹滋;徐素霞;紀(jì)榮嶸;;深度學(xué)習(xí):開(kāi)啟大數(shù)據(jù)時(shí)代的鑰匙[J];工程研究-跨學(xué)科視野中的工程;2014年03期

相關(guān)碩士學(xué)位論文 前1條

1 付寶英;基于粒子群優(yōu)化的變壓器故障診斷與預(yù)測(cè)研究[D];華僑大學(xué);2012年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田妍;劉宇舜;熊俊;李鵬飛;周文俊;鐘少泉;;基于時(shí)頻分布圖像紋理特征的局部放電特高頻信號(hào)的特征參數(shù)提取方法[J];高壓電器;2017年07期

2 代杰杰;宋輝;楊yN;陳玉峰;盛戈v，

本文編號(hào)：1583297