标题：基于MIC-DBN的电力变压器故障诊断
作者：曾建生1 王昭雷1；安荣廷2；何信宇1
作者单位：1 国网河北省电力有限公司超高压分公司， 河北 石家庄 050070；2 石家庄铁道大学，河北 石家庄 050043
关键字：电力变压器；故障诊断；深度信念网络；最大信息系数
摘要：深度信念网络（DBN）模型的整体性能主要取决于网络模型的泛化能力与诊断精度，因此对于该网络中初始参数的选取就显得尤为重要。针对上述问题，提出了一种基于MIC-DBN的故障诊断模型。首先将变压器故障特征气体扩充成单气体、多种气体比值以及相对含量共29个特征量，通过Fisher Score算法对特征量的重要度进行排序，同时应用最大信息系数（MIC）提取与变压器故障状态相关度高的故障特征量，避免了信息利用不充分与特征气体之间的冗余性；其次利用IPSO优化DBN网络的初始权重，建立合适的DBN网络，该网络不仅具有普遍的适应性与优秀的映射能力，在自动获取输入数据特征参数及提高故障诊断精确度方面也具有较大优势；最后，通过实例分析验证了所提出的模型优于传统的SVM、LSTM、PSO-DBN模型，具有较高的分类准确率。