基于深度学习的变压器故障信号识别算法

摘要：

针对变压器结构复杂、维护成本高等特点,提出一种基于深度学习的变压器故障信号识别算法.首先分析变压器工作状态下的声纹信号并进行二维图像信号的转换,利用VGG16神经网络在图像中的优势,并在此基础上提出一种MCA注意力机制,该注意力机制能够同时保留背景信息和细节信息;其次对VGG16中的最大池化下采样进行优化,采用一种软池化的采样方法,减少图像中最大池化下采样带来的特征损失;最后为避免过拟合现象的发生,将VGG16顶层结构中的激活函数进行优化,引用可以自归一化的SELU激活函数.实验证明,广义S变换是将一维时域信号转换为二维图像信号的最佳选择,所提算法对于6类故障信号的平均识别率达到99.15％.

关键词：VGG16网络、广义S变换、变压器故障信号

所属期刊栏目：49

分类号：TP306+.3(计算技术、计算机技术)

资助基金：南瑞集团国家电网电力科学研究院科技项目SGNR0000KJJS2006671

在线出版日期：2023-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：54-60