李  璞1，王  奕2，张  博1
（1.沈阳工业大学电气工程学院， 辽宁 沈阳 110870；2.沈阳变压器研究院有限公司， 辽宁 沈阳 110122）

摘要：电力变压器是电网核心基础设备，现有变压器绕组匝间短路状态辨识方法严重依赖于准确的等效模型，在判定变压器绕组匝间短路状态时存在局限性。本文作者针对变压器匝间短路故障辨识问题，提出了一种基于深度学习框架的绕组匝间短路辨识方法；为了满足深度学习大规模训练的需要，提出一种随机数据集构建方法，给出了绕组匝间短路辨识卷积神经网络技术步骤。结果表明，深度学习方法可用于绕组匝间短路辨识，研究成果对变压器状态智能诊断技术具有理论参考价值。
关键词：电力变压器；匝间短路；故障辨识；机器学习；卷积神经网络
中图分类号：ＴＭ４０1+.1      文献标识码：Ｂ      文章编号：１００１－８４２５（２０25）０6－００41－10

作者简介：

李  璞1994-，男，吉林长春人，硕士研究生，主要研究方向为变压器故障辨识。

张  博1987-，男，辽宁沈阳人，工学博士，教授，主要研究方向为高能效电力变压器及其计算机辅助设计。