电网技术

2019, v.43;No.427(06) 1892-1900

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

面向变压器油色谱趋势预测的深度递归信念网络
Deep Recurrent Belief Network Model for Trend Prediction of Transformer Oil Chromatography Data

齐波;王一鸣;张鹏;李成榕;王红斌;

摘要(Abstract):

油色谱数据及其变化趋势是评估变压器健康状态的重要依据。现有研究表明,深度信念网络(deep belief network,DBN)在油色谱数据预测领域已取得一定成果,为变压器的运行维护提供了参考。但在实际应用过程中,仍存在因网络结构限制导致油色谱时域相关性表述不充分的情况,其预测结果呈现显著的"时移"误差,从而使得基于该方法的设备状态预测结果与实际不符。针对此问题,提出了一种面向油色谱预测的深度递归信念网络算法(deepre current belief network,DRBN),该算法构建了具有时序关联特征的深度网络结构,使预测结果呈现的"时移"误差得以消除,更新了误差的迭代修正过程,使误差在网络层间和层内得以同时流动,从而提升了预测准确率。测试结果表明,文中所提出的方法可以有效克服"时移"误差,其预测准确率可达95.16%以上,为变压器的状态预测和故障预判提供了依据。

关键词(KeyWords): 变压器;状态预测;深度信念网络;油色谱;自适应延迟网络

Abstract:

Keywords:

基金项目(Foundation): 国家863高技术基金项目(2015AA050204)~~

作者(Author): 齐波;王一鸣;张鹏;李成榕;王红斌;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享