摘要
为了提高变压器故障识别的诊断精度,提出一种基于多尺度卷积神经网络模型的变压器故障诊断方法.首先,在1DCNN结构基础上设计2个多尺度卷积模块,构造变压器故障识别模型的总体结构.其次,针对样本特征较少问题,采用基于比值法的特征扩充方法,将样本特征由5维增强至25维;针对故障样本量少以及故障间样本数分布不平衡问题,采用基于对抗生成网络的样本数增强方法,生成大量模拟样本.最后,利用改造后的数据集对所设计的模型进行训练与测试.结果表明,模型平均准确率为93.24％,与相关主流方法在不同数据集下实验对比,本模型表现效果良好.
NETL
NSTL
维普
万方数据