《表2 两种算法的变压器故障诊断精度》
本文选取了300条变压器特征气体数据及其对应故障类型,数据均源自公开发表的相关文献[5]。随机预留20%的数据作为测试数据使用,其余数据作为训练数据。基于TensorFlow深度学习框架实现了全卷积神经网络模型的变压器故障诊断,对于测试数据的故障诊断准确率达到95.62%。并将全卷积神经网络(FCN)与传统卷积神经网络(CNN)进行对比分析。如表2所示,在相同数据集的情况下,FCN的变压器故障诊断精度高于CNN的变压器故障诊断精度。从而表明用卷积层代替全连接层,可以提升网络的诊断分类准确率,进一步验证了基于全卷积神经网络的变压器故障诊断模型的有效性。
图表编号 | XD00115815000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.08 |
作者 | 季伟、胡伟 |
绘制单位 | 上海电力大学电子信息与工程学院、上海电力大学电子信息与工程学院 |
更多格式 | 高清、无水印(增值服务) |