典型文献
基于布谷鸟搜索算法和DBN模型的变压器故障识别
文献摘要：
依据油中溶解气体含量特征准确识别变压器故障类型,对变压器的安全运行具有重要意义.考虑深度信念网络(DBN)对样本数据中的特征提取有独特优势,采用DBN作为故障识别模型,将变压器油中溶解气体原始数据集直接输入至训练模型,并通过3种智能搜索算法对DBN中批处理、梯度下降学习率、层神经单元数3个重要参数分别进行智能寻优,解决少量原始样本数据直接输入时故障识别率不高的问题.仿真结果表明,采用布谷鸟搜索算法(CS)优化DBN模型时比粒子群搜索算法(PSO)和遗传算法搜索(GA)优化的效果更好,CS-DBN模型的故障总识别率比GA-DBN的高4.2％,比PSO-DBN的提高2.5％,同时进化效率提高56.2％;CS-DBN模型的泛化性能也比另2种更好.
文献关键词：
油中溶解气体;深度信念网络;故障识别;布谷鸟搜索算法;泛化性能
中图分类号：
作者姓名：
刘展程;王爽;唐波
作者机构：
三峡大学电气与新能源学院,湖北 宜昌 443002;三峡大学湖北省输电线路工程技术研究中心,湖北 宜昌 443002
文献出处：
引用格式：
[1]刘展程;王爽;唐波-.基于布谷鸟搜索算法和DBN模型的变压器故障识别)[J].电力科学与技术学报,2022(02):3-11
A类：
B类：
布谷鸟搜索算法,DBN,变压器故障识别,油中溶解气体含量,含量特征,准确识别,故障类型,深度信念网络,识别模型,变压器油,原始数据,训练模型,智能搜索,批处理,梯度下降,学习率,重要参数,智能寻优,故障识别率,用布,CS,粒子群搜索算法,PSO,GA,效率提高,泛化性能
AB值：
0.227713
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。
