典型文献
基于数据特征增强和残差收缩网络的变压器故障识别方法
文献摘要：
为增强深度残差收缩网络对变压器故障特征的学习能力从而提高故障识别精度,文中研究构建了故障特征气体向量配合改进的深度残差收缩网络来识别变压器故障.首先,构建可变软阈值函数消除恒定偏差的影响,利用快速回溯算法加快阈值确定速度的同时确保输出结果的完整性.然后,提出带可变权重的交叉熵函数降低误识别对网络精度的影响,并将构建的特征气体向量作为网络输入,保证网络学习并识别更多故障因素的特征.最后,以过热故障和电弧放电故障为样本的实验结果验证了该方法的有效性.与传统方法相比,所提方法的识别精度高,而且适用于电力系统多特征故障识别.
文献关键词：
变压器;深度残差收缩网络;故障识别;特征气体
中图分类号：
作者姓名：
马鑫;尚毅梓;胡昊;徐杨
作者机构：
华北水利水电大学电力学院,河南省郑州市 450045;中国水利水电科学研究院,北京市 100038;中国长江电力股份有限公司,湖北省宜昌市 443002
文献出处：
引用格式：
[1]马鑫;尚毅梓;胡昊;徐杨-.基于数据特征增强和残差收缩网络的变压器故障识别方法)[J].电力系统自动化,2022(03):175-183
A类：
B类：
数据特征,特征增强,变压器故障识别,故障识别方法,深度残差收缩网络,识别精度,中研,研究构建,故障特征气体,变软,软阈值函数,速回,回溯算法,输出结果,出带,可变权重,交叉熵函数,误识,网络学习,多故障,故障因素,过热故障,电弧放电,放电故障,电力系统,多特征
AB值：
0.318113
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。
