交叉熵在油浸式变压器故障诊断中的应用OACSTPCD
Cross entropy application in fault diagnosis of oil immersed transformer
针对油浸式变压器故障诊断中由训练样本选择不当所造成的有效信息丢失而无法构建较高精度故障诊断模型的问题,提出了一种利用组合型交叉熵优化粗糙集优选油浸式变压器故障气体的方法.将选择的最优故障气体样本用于BP神经网络的训练,通过不断调整神经网络参数,构建一个精度较高的网络模型.结果表明,改进的交叉熵算法为故障气体属性约简模型的迭代寻优提供了最好的训练样本.该研究验证了所提出诊断方案的可行性与准确性.
边莉;张欣欣;高雪;秦壮
黑龙江科技大学电子与信息工程学院,哈尔滨150022黑龙江科技大学电气与控制工程学院,哈尔滨150022国网河北省电力有限公司正定县供电分公司,石家庄050800国网河北省电力有限公司正定县供电分公司,石家庄050800
信息技术与安全科学
故障诊断交叉熵油浸式变压器BP神经网络
《黑龙江科技学院学报》 2018 (4)
井震联合"数据驱动"下，多智能技术融合的煤层气储层参数预测与评价
410-414,424,6
国家自然科学基金项目(51504085) 哈尔滨市应用技术研究与开发项目(2015RQQXJ009)
评论