一种基于多源信息融合的电力变压器故障诊断方法技术

一种基于多源信息融合的电力变压器故障诊断方法，所述方法将多个受限玻尔兹曼机和一层反向传播BP神经网络堆叠在一起，构成深度信念网络模型，利用采集的变压器故障数据对该模型进行训练，将变压器运行数据输入训练好的深度信念网络模型，得到各种故障的基本概率分配，然后再利用DS证据理论对故障概率进行融合，得到变压器诊断的最终结果。本发明专利技术将深度学习中的深度信念网络与DS证据理论相结合，可以在变压器错综复杂的数据特征中提取出潜在的有价值的信息，该方法很好地弥补了传统故障诊断方法的不足，能够有效提高变压器故障诊断结果的准确性，为电力系统的安全提供了保障。

A Fault Diagnosis Method for Power Transformer Based on Multi-source Information Fusion

A fault diagnosis method for power transformer based on multi-source information fusion is proposed. The method stacks several restricted Boltzmann machines and a layer of BP neural network to form a deep belief network model. The model is trained by using the collected transformer fault data, and the transformer operation data are input into the trained deep belief network model to obtain various faults. The basic probability assignment is then used to fuse the fault probability with the DS evidence theory, and the final result of transformer diagnosis is obtained. The method combines the deep belief network in deep learning with DS evidence theory, and can extract potentially valuable information from the intricate data characteristics of transformers. The method can make up for the shortcomings of traditional fault diagnosis methods, effectively improve the accuracy of transformer fault diagnosis results, and provide guarantee for the safety of power system.

【技术实现步骤摘要】
一种基于多源信息融合的电力变压器故障诊断方法
本专利技术涉及一种基于多源信息融合的，可准确诊断电力变压器故障的方法，属于变压器

技术介绍
电力变压器是电力系统的主要电气设备之一，其运行状态直接影响着电力系统的生产安全与经济效益，但由于其自身结构比较复杂，所处工作环境较为复杂、恶劣，发生故障问题的几率较大，例如，铁芯故障、绝缘故障、组件故障、放电故障、短路故障等。一旦电力变压器发生某种故障，可能会影响整个电力系统的正常运行，有可能导致大量物力、人力资源的浪费，甚至造成人员伤亡。因此，根据监测到的数据对电力变压器进行深入诊断、及时发现异常情况，并对电力变压器采取有效的维护措施，对保障电力系统运行的安全性、可靠性与经济性具有重要的意义。目前，对电力变压器故障诊断方面的研究还存在一些局限性：(1)数据源方面，大多数研究采用的是DGA数据，由于变压器设备的复杂性和运行环境的不确定性，对单一数据源的信息融合不能完整地反映变压器的运行状态。(2)研究方法方面，目前国内外学者采用的信息融合方法主要有人工神经网络、贝叶斯推理、卡尔曼滤波法、模糊理论、DS证据理论、支持向量机等，这些方法弥补了本文档来自技高网...

【技术保护点】
1.一种基于多源信息融合的电力变压器故障诊断方法，其特征是，所述方法将多个受限玻尔兹曼机和一层反向传播BP神经网络堆叠在一起，构成深度信念网络模型，利用采集的变压器故障数据对所述模型进行训练，将变压器运行数据输入训练好的深度信念网络模型，得到各种故障的基本概率分配，然后再利用DS证据理论对故障概率进行融合，得到变压器诊断的最终结果。

【技术特征摘要】
1.一种基于多源信息融合的电力变压器故障诊断方法，其特征是，所述方法将多个受限玻尔兹曼机和一层反向传播BP神经网络堆叠在一起，构成深度信念网络模型，利用采集的变压器故障数据对所述模型进行训练，将变压器运行数据输入训练好的深度信念网络模型，得到各种故障的基本概率分配，然后再利用DS证据理论对故障概率进行融合，得到变压器诊断的最终结果。2.根据权利要求1所述的一种基于多源信息融合的电力变压器故障诊断方法，其特征是，利用变压器故障数据对深度信念网络模型的训练分为两步：第一步为预训练，即分别单独无监督地训练每一个受限玻尔兹曼机；第二步为微调，在受限玻尔兹曼机网络的最上层使用BP神经网络，受限玻尔兹曼机网络的输出特征向...

【专利技术属性】
技术研发人员：王晓辉，王伟，李璐，张洋，郭磊，付刚，姚伟，孙鹏，赵磊，
申请(专利权)人：国网河南省电力公司，国网河南省电力公司电力科学研究院，国网河南省电力公司检修公司，
类型：发明
国别省市：河南,41