关键词:
电力变压器
故障诊断
胶囊网络
粒子群优化
摘要:
为提高变压器故障诊断的正确率,文本提出了一种粒子群优化算法-胶囊网络模型的变压器故障诊断方法。针对变压器溶解气体数据特征之间关联性不足的弊端,搭建了一维卷积神经网络(One-dimensional Convolutional Neural Network,1D-CNN)与胶囊网络(Capsule Network,CapsNet)相结合的基础分类器(Improved Capsule Network,ICapsNet)。为提高基础分类器的诊断性能,采用改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)对基础分类器的学习率进行优化。经过实验可得:所提方法的诊断样本正确率达到94.44%,相较于传统CapsNet提升了4.76%;在基础分类器中增加IPSO优化学习率,模型正确率提高3.96%,研究结果可为变压器故障诊断提供新思路。