典型文献
基于多尺度极限融合网络的电力变压器故障诊断方法研究
文献摘要：
针对固定参数数值的分类方法在电力变压器故障诊断上精度不高的问题,提出一种基于多尺度极限融合网络的诊断方法.该方法包含2个主要步骤.首先,基于不同参数尺度的极限学习机模型生成若干初始诊断结果.这些模型用于诊断同一组溶解性气体数据,获取不同的统计特性,为变压器故障诊断提供互补的统计信息.然后,采用基于决策级信息融合方法来融合不同尺度下诊断结果,提升故障诊断精度.共有487组试验数据用于模型训练和测试,结果表明:提出的故障诊断方法能精准地检测出6种常见变压器故障的类型,识别率为94％.相较于支持向量机和反向传播神经网络的诊断方法,诊断精度分别提高8％和13％,可满足电力企业对变压器故障诊断的应用需求.
文献关键词：
电力变压器;故障诊断;智能电网;极限学习机;信息融合;多尺度极限融合网络
中图分类号：
作者姓名：
龙思成;黄志鸿
作者机构：
湖南星电集团有限责任公司,长沙410035;国网湖南省电力有限公司电力科学研究院,长沙410007
文献出处：
引用格式：
[1]龙思成;黄志鸿-.基于多尺度极限融合网络的电力变压器故障诊断方法研究)[J].综合智慧能源,2022(09):78-83
A类：
多尺度极限融合网络,尺度极限
B类：
电力变压器,变压器故障诊断,故障诊断方法,数数,分类方法,同参数,数尺,极限学习机模型,模型生成,诊断结果,溶解性,性气体,统计特性,统计信息,信息融合,融合方法,不同尺度,故障诊断精度,模型训练,识别率,反向传播神经网络,电力企业,应用需求,智能电网
AB值：
0.224566
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。
