基于一维卷积神经网络注意力机制的多通道连续数据交叉提取用于电力变压器诊断
机器学习
2023-10-12 v1 系统与控制
系统与控制
摘要
电力变压器在电网基础设施中起着关键作用，其诊断对于维持稳定运行至关重要。然而，当前的变压器诊断方法侧重于离散的溶解气体分析，忽视了多通道连续数据的深度特征提取。未利用的序列数据包含反映变压器状态的重要时间信息。鉴于此，本文提出多通道连续数据交叉提取（MCDC）结构，以全面挖掘内在特征并评估变压器状态。此外，为了更好地适应变压器诊断场景，引入一维卷积神经网络注意力（1DCNN-attention）机制，在简化空间复杂度的前提下提供更高效的解决方案。最后，在从电力变压器实际运行案例中收集的数据集上进行的实验验证了MCDC的有效性以及相较于其他算法的优越泛化能力。此外，1DCNN-attention更好的稳定性也得到了证实。
引用
@article{arxiv.2310.07323,
title = {Multichannel consecutive data cross-extraction with 1DCNN-attention for diagnosis of power transformer},
author = {Wei Zheng and Guogang Zhang and Chenchen Zhao and Qianqian Zhu},
journal= {arXiv preprint arXiv:2310.07323},
year = {2023}
}