《表2 两种算法的变压器故障诊断精度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于全卷积神经网络的变压器故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。