典型文献
基于DCAE-KSSELM的变压器故障诊断方法
文献摘要：
为了充分利用变压器发生故障时产生的大量无标签样本,提高故障诊断精度,提出基于深度收缩自编码器(DCAE)与核半监督极限学习机(KSSELM)相结合的故障诊断方法.首先使用无标签样本对DCAE网络逐层训练,初始化网络参数,然后用有标签样本数据对网络参数进行微调,最后将有标签样本与无标签样本一起作为深度收缩自编码器与核半监督极限学习机(DCAE-KSSELM)混合网络的输入并完成故障诊断.实验结果表明,所提模型稳定性好,故障诊断精度高,鲁棒性强.
文献关键词：
变压器;故障诊断;无标签样本;收缩自编码器
中图分类号：
作者姓名：
郝玲玲;朱永利;王永正
作者机构：
华北电力大学 控制与计算机工程学院,河北 保定 071003;国能网信科技(北京)有限公司,北京 100096;中国科学院 计算机网络信息中心,北京 100190
文献出处：
引用格式：
[1]郝玲玲;朱永利;王永正-.基于DCAE-KSSELM的变压器故障诊断方法)[J].中国电力,2022(02):125-130
A类：
KSSELM,收缩自编码器
B类：
DCAE,变压器故障诊断,故障诊断方法,无标签样本,故障诊断精度,半监督,极限学习机,逐层,初始化,网络参数,微调,混合网络,模型稳定性
AB值：
0.160999
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
