首页 > 《建筑实践》 > 2023年5期 > 变压器的故障预测研究

变压器的故障预测研究

打印

在线阅读下载PDF 导出详情

摘要摘要：随着大数据时代的到来，深度神经网络被证明对原始数据具有强大的提取能力。其中，LSTM神经网络是一种用于处理时间序列的深度神经网络，能够全面的利用时间序列的相关性，准确的预测变量在未来时间段的输出值。目前，该神经网络算法已经广泛应用到声音识别、语言预测等领域。

DOI pd57pm62j7/7162895

作者许辉

机构地区松花江水力发电有限公司吉林白山发电厂吉林省吉林市132000

出处《建筑实践》 2023年5期

关键词变压器故障预测

分类 [文化科学][]

出版日期 2023年05月24日（中国Betway体育网页登陆平台首次上网日期，不代表论文的发表时间）

相关文献

1王志强.变压器的故障预测研究.,2023-04.
2冯晓欢.电力变压器故障预测与健康管理研究.电力系统及自动化,2018-08.
3张永迪,李小军.电力变压器故障预测与健康管理探讨.产业经济,2021-04.
4刘善军李迎涛钱朝春孙东杰.电力变压器智能化配置和故障预测研究.电力系统及自动化,2017-12.
5董翔.变压器过热故障.电力系统及自动化,2018-12.
6施立寅.变压器故障诊断方法研究.建筑设计及理论,2018-12.
7杨佳俊钱子聪.电力变压器智能化配置和故障预测的分析.文化科学,2018-12.
8耿基明.大型变压器故障分析.电力系统及自动化,2018-12.
9佟尧.变压器故障检测技术.文化科学,2018-12.
10孙敏军.变压器故障及诊断.电力系统及自动化,2016-10.

来源期刊

建筑实践

建筑实践

相关推荐

同分类资源更多

相关关键词

变压器故障预测

返回顶部