典型文献
基于深度神经网络的变压器故障诊断方法研究
文献摘要：
利用深层神经网络捕捉振动时间序列的隐藏特征,来预测变压器的欠励、过励以及在早期阶段的匝间故障,采用深度循环神经网络(RNN)结构,包括单向、双向门控循环单元(GRUs)和长短期记忆(LSTM)模型,通过实例验证了所建立的神经网络模型用于变压器故障诊断的有效性.
文献关键词：
深度学习;循环神经网络;时间序列;变压器故障;振动分析
中图分类号：
作者姓名：
李辉;黄祖源;田园;和志成
作者机构：
云南电网有限责任公司信息中心,云南昆明650011;玉溪供电局,云南玉溪653100
文献出处：
引用格式：
[1]李辉;黄祖源;田园;和志成-.基于深度神经网络的变压器故障诊断方法研究)[J].变压器,2022(04):35-40
A类：
GRUs
B类：
深度神经网络,变压器故障诊断,故障诊断方法,深层神经网络,振动时间,隐藏特征,早期阶段,匝间故障,循环神经网络,RNN,双向门控循环单元,长短期记忆,振动分析
AB值：
0.31173
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。
