文档介绍：第 卷 第 期 电 工 电 能 新 技 术
40 1 ,
年 月
2021 1 Advanced Technology of Electrical Engineering and Energy Jan. 2021
基于 SE-DenseNet 的变压器故障诊断
郭如雁, 彭敏放, 曹振其
(湖南大学电气与信息工程学院, 湖南 长沙 )
410082
摘要: 由于变压器故障数据有限,采用神经网络诊断容易出现过拟合。 通过 生成对抗
Wasserstein
网络( , ) 数据增强,采用变压器油中溶解气体作
Wasserstein Generative Adversarial Networks WGAN
为故障诊断参量,本文提出了 神经网络模型,该模型使用无编码比值法,结合深度稠
SE-DenseNet
密神经网络( , ) 进行数据融合,特征重复利用以
Densely Connected Convolutional Networks DenseNet
及挤压和激励模块( , ) 的特征图权重值校准的优点,运用指数衰减学****br/> Squeeze-and-Excitation SE
率、 、L 正则化、损失函数 收敛算法等优化方法,并且在同样数据集下将深度卷积神经
dropout 2 Adam
网络、 与 的三者性能进行定量对比分析。 实验结果表明,三者之中本文提出
DenseNet SE-DenseNet
的 模型收敛速度快,准确率最