電力變壓器的安全穩(wěn)定運(yùn)行對整個(gè)電力系統(tǒng)而言意義重大,而故障診斷方法是保障電力變壓器安全的重要手段。研究表明,油中溶解氣體與變壓器的運(yùn)行狀態(tài)息息相關(guān),油中溶解氣體分析（Dissolved Gas Analysis,DGA）是電力變壓器故障診斷的重要技術(shù)之一。當(dāng)前,如何從原始DGA數(shù)據(jù)中提取出有利于表征電力變壓器各種運(yùn)行狀態(tài)的特征量,以及如何在獲得的特征量上進(jìn)行快速準(zhǔn)確的故障分類已成為研究電力變壓器故障診斷方法的主要內(nèi)容。近年來,隨著計(jì)算機(jī)技術(shù)與人工智能的發(fā)展,以深度學(xué)習(xí)理論為主的特征提取與模式識別在電力系統(tǒng)裝置的故障診斷領(lǐng)域大放異彩,其核心思想是模仿人類大腦思維方式,通過構(gòu)建深度神經(jīng)網(wǎng)絡(luò)對蘊(yùn)含在原始數(shù)據(jù)中的深層次特征進(jìn)行挖掘與學(xué)習(xí)。在此背景下,文章通過研究深度學(xué)習(xí)相關(guān)理論與DGA數(shù)據(jù),為電力變壓器故障診斷提供一種新的解決思路。針對電力變壓器原始DGA數(shù)據(jù)特征表達(dá)能力不足而使得故障診斷效果較差的問題,基于深度學(xué)習(xí)理論,建立了基于深度自動編碼器（Deep auto-encoders,DAE）的DGA數(shù)據(jù)特征升維模型,用于擴(kuò)充各類DGA故障數(shù)據(jù)的特征維度。相比于傳統(tǒng)升維方法,DAE方法人工干預(yù)... 

【文章來源】：西華大學(xué)四川省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

自動編碼器

研究結(jié)果表明,更深結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)有利于學(xué)習(xí)到更深層次、更魯邦、更具表達(dá)能力的特征。為此,需要構(gòu)建一個(gè)含多隱含層結(jié)構(gòu)的自動編碼器,即深度自動編碼器,其結(jié)構(gòu)如圖2.2所示。如圖2.2所示,DAE是一個(gè)含多個(gè)隱含層、呈對稱結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò),與自動編碼器類似,其依舊是無監(jiān)督學(xué)習(xí)模型,輸入等于輸出。

步驟4：初始化深度自動編碼器。首先構(gòu)建一個(gè)含2r-1個(gè)隱含層的DAE；其次,將前r個(gè)隱含層權(quán)重分別用上述方法得到的輸入權(quán)重矩陣替換；在此,利用對稱思想,反向初始化第r+1層到2r層(輸出層)的輸出權(quán)重矩陣,DAE的初始化流程圖如圖2.3所示。步驟5：最后,利用梯度下降算法對網(wǎng)絡(luò)參數(shù)進(jìn)行微調(diào)。


本文編號：2946178