1 簡介

電力變壓器是電網(wǎng)中重要的設(shè)備，是電網(wǎng)中交換能量及傳輸能量的核心，是電力系統(tǒng)安全運(yùn)行的重要支撐設(shè)備。變壓器在運(yùn)行過程中出現(xiàn)任何事故都將會(huì)帶來經(jīng)濟(jì)損失，甚至引發(fā)嚴(yán)重的社會(huì)影響。目前針對(duì)變壓器的故障診斷技術(shù)多采用人工智能算法，雖然人工智能算法的引入很大程度上改善了傳統(tǒng)診斷方法的不足，使得故障診斷準(zhǔn)確率得到了較大的提升，但仍然存在收斂速度慢、穩(wěn)定性比較差、學(xué)習(xí)能力有限、不適用于大量樣本訓(xùn)練等一系列問題，因此研究快速準(zhǔn)確的變壓器故障診斷技術(shù)和方法，并對(duì)故障進(jìn)行及時(shí)有效的消除，對(duì)電網(wǎng)的安全運(yùn)行具有十分重要的意義?！　?/p>

隨著深度學(xué)習(xí)的不斷發(fā)展，與傳統(tǒng)機(jī)器學(xué)習(xí)算法相比，深度學(xué)習(xí)可以發(fā)現(xiàn)復(fù)雜數(shù)據(jù)的特征規(guī)律，深度信念網(wǎng)絡(luò)(Deep Belief Network，DBN)作為深度學(xué)習(xí)的一種，具有良好的的特征提取和分類的能力，隨后分析了DBN在變壓器故障診斷中的應(yīng)用，利用大量工程實(shí)例樣本數(shù)據(jù)，對(duì)DBN進(jìn)行測試和調(diào)優(yōu)。結(jié)果表明，DBN具有更好的故障診斷性能，擴(kuò)展性更強(qiáng)，完全可以滿足實(shí)際的工程需要。

2 部分代碼

function [dataX,dataY,dataYreal,names] = getData()%% 讀取數(shù)據(jù)[data,text] = xlsread('數(shù)據(jù).xlsx');data = data(:,2:end);%% 無編碼比值eps = 1e-3;% CH4/H2dataX(:,1) = data(:,2)./(data(:,1)+eps); ?% C2H4/C2H2dataX(:,2) = data(:,4)./(data(:,5)+eps); ? % C2H4/C2H6dataX(:,3) = data(:,4)./(data(:,3)+eps); ?% C2H2/(C1+C2)dataX(:,4) = data(:,5)./(data(:,2)+data(:,3)+data(:,4)+data(:,5)); % H2/(H2+C1+C2)dataX(:,5) = data(:,1)./(data(:,1)+data(:,2)+data(:,3)+data(:,4)+data(:,5)); % C2H4/(C1+C2)dataX(:,6) = data(:,4)./(data(:,2)+data(:,3)+data(:,4)+data(:,5)); % CH4/(C1+C2)dataX(:,7) = data(:,2)./(data(:,2)+data(:,3)+data(:,4)+data(:,5)); % C2H6/(C1+C2)dataX(:,8) = data(:,3)./(data(:,2)+data(:,3)+data(:,4)+data(:,5)); % (CH4+C2H4)/(C1+C2)dataX(:,9) = (data(:,2)+data(:,4))./(data(:,2)+data(:,3)+data(:,4)+data(:,5)); names = {'低能放電','高能放電','局部放電','高溫過熱','中低溫過熱','正常'};label = text(3:end,7);dataY = zeros(length(label),length(names));for i = 1:length(label) ? ?[~,dataYreal(i,1)] = ismember(label{i},names); ? ?dataY(i,dataYreal(i)) = 1;end

3 仿真結(jié)果

4 參考文獻(xiàn)

[1]解鵬飛. 基于深度神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷研究[D]. 華北電力大學(xué)(北京).

博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測、信號(hào)處理、元胞自動(dòng)機(jī)、圖像處理、路徑規(guī)劃、無人機(jī)等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻(xiàn)，若有侵權(quán)聯(lián)系博主刪除。