典型文献
基于差分进化算法的电力变压器故障监测方法
文献摘要：
为保障电力系统安全运行,提出基于差分进化算法的电力变压器故障监测方法,通过电力变压器故障特征的深度挖掘,提高其监测准确度.基于卷积神经网络(CNN)的变压器故障监测原理,将新的卷积层添加在CNN的池化层与全连接层之间,构建改进CNN,利用带有动量因子的随机梯度下降算法,加速训练改进CNN电力变压器故障监测模型,改进CNN速度,减轻收敛时产生的振动,获得精准分类结果;并利用差分进化算法优化改进CNN的权值及阈值,提高改进CNN的收敛速度,实现电力变压器故障精准监测.实验表明,该方法可深度挖掘电力变压器故障类型特征;收敛速度快、收敛准确度高;监测电力变压器故障效果好,准确度高.
文献关键词：
差分进化算法;电力变压器;故障监测;改进CNN;权值阈值;动量因子
中图分类号：
作者姓名：
李猛
作者机构：
国网安徽省电力有限公司淮北供电公司,安徽淮北235000
文献出处：
引用格式：
[1]李猛-.基于差分进化算法的电力变压器故障监测方法)[J].电气应用,2022(06):9-15,前插1
A类：
B类：
差分进化算法,电力变压器,变压器故障,故障监测,监测方法,保障电力系统安全运行,故障特征,深度挖掘,监测原理,卷积层,加在,池化,全连接层,动量因子,随机梯度下降算法,监测模型,精准分类,算法优化,优化改进,提高改,收敛速度,精准监测,故障类型,类型特征,权值阈值
AB值：
0.235068
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。
