Анализ состояния трансформатора с использованием частотных характеристик и сверточных нейронных сетей
Another Title
Transformer condition analysis using frequency characteristics and convolutional neural networks
Bibliographic entry
Громыко, И. Л. Анализ состояния трансформатора с использованием частотных характеристик и сверточных нейронных сетей = Transformer condition analysis using frequency characteristics and convolutional neural networks / И. Л. Громыко // Приборостроение-2025 : материалы 18-й Международной научно-технической конференции, 13–15 ноября 2025 года Минск, Республика Беларусь / редкол.: А. И. Свистун (пред.), О. К. Гусев, Р. И. Воробей [и др.]. – Минск : БНТУ, 2025. – С. 34-36.
Abstract
В настоящее время, существует множество методов диагностики трансформаторов. Анализ используемых методов и диагностических систем указывает на достижение определенной сложности дальнейшего развития существующих методов и диагностических систем. Это обусловлено сложностью входных сигналов, достаточно большим числом входных факторов, нелинейными множественными динамическими взаимосвязями с другими параметрами. Одним из наиболее перспективных видов диагностики, на сегодняшний момент, является анализ ча-стотных характеристик (FRA). В данной работе, для обнаружения дефектов обмоток, предлагается новый метод, на основе метода трех вольтметров и сверточных нейронных сетей.
Abstract in another language
Currently, numerous different methods for transformer diagnostics exist. An analysis of the methods and diagnostic systems used indicates that further development of existing methods and diagnostic systems has reached a certain level of complexity. This is due to the complexity of input signals, a relatively large number of input factors, and nonlinear multiple dynamic relationships with other parameters. One of the most promising diagnostic methods currently available is frequency response analysis (FRA). In this paper, a new method based on the three-voltmeter method and convolutional neural networks is proposed for detecting winding defects.
