《表1 OLTC故障识别混淆矩阵》

  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

《基于卷积神经网络的变压器有载分接开关故障识别》

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

使用训练之后的CNN对不同机械状态的OLTC振动信号的DMRP进行测试，如表1所示。由表1可见，DMRP-CNN识别模型对OLTC正常与典型机械故障状态均体现出了良好的识别效果，识别准确率均在90%以上。其中，OLTC正常与故障1、故障3的识别率相对较低，分别有5%，6.7%，5%的样本出现误判，主要原因是由于故障1（连接推杆变形）和故障3（过渡触头磨损）的故障程度较为轻微，对应的振动信号与正常状态较为接近，使得识别模型对这3种状态进行判别时出现了一定混叠。而故障2和故障4的故障特征相对较为明显，识别结果与实际情况吻合度很高，仅在故障4中有1.7%的样本被误判为正常状态。