关键词:
改进卷积神经网络
变压器有载分接开关
故障自适应识别
识别精度
摘要:
常规变压器有载分接开关故障自适应识别多采用改进半监督阶梯网络算法,但由于无法解决网络梯度爆炸问题,最终的故障识别精度较低,因此提出基于改进卷积神经网络的变压器有载分接开关故障自适应识别方法。依据变压器有载分接开关的基本组成结构,利用小波包分解算法与信号的频域识别向量挖掘其中的故障特征参量,采用一维卷积神经网络对特征参量进行融合处理,并引入注意力机制改进与优化网络结构参数,进而构建故障自适应识别模型,通过残差结构解决网络结构的梯度爆炸问题,求取输入样本的故障综合评分,确定样本的所属故障类型,由此实现故障自适应识别。实例应用结果显示,所提方法能够有效识别有载分接开关故障,识别结果与实际一致,并且F1_score最高值达到0.97,因此所提方法具备较高的识别精度。