【技术实现步骤摘要】
一种变压器故障诊断方法
本专利技术涉及变压器故障诊断领域,特别提供了一种变压器故障诊断方法。
技术介绍
目前,变压器故障诊断方法主要有超声波故障检测方法、局部放电检测方法、油中溶解气体检测方法等,由于油中溶解气体检测方法不受变压器强大电磁环境影响,因此,根据此方法应运而生的一些智能算法(如BP神经网络、贝叶斯算法、SVM等)也得到了广泛使用,然而,此方法只检测油中溶解的气体含量,过于单一化,不能较好的反应变压器故障程度,根据其产生的智能算法弊端也很多,例如,BP神经网络训练时容易出现梯度消失现象,SVM本质是二分类模型,不适合多分类,贝叶斯算法主观性较强等,另外,产生的智能算法不能进行深度挖掘各状态量之间的关系。因此,提供一种新的变压器故障诊断方法,使其能够从更多层面来反映变压器的故障程度、去除状态量之间的相关性、深度挖掘状态量的本质、准确预测变压器的故障程度,成为人们亟待解决的问题。
技术实现思路
鉴于此,本专利技术的目的在于提供一种变压器故障诊断方法,以解决现有技术中检测状态量过于单一化,产生的智能算法不能进行深度挖掘以及算法存在梯度消失和主观性强等问题。本专利技术提供的技术方案是:一种变压器故障诊断方法,包括如下步骤:S1:将变压器历史数据分为训练集和测试集,其中,每一个历史数据均包括CH4,C2H6,C2H4,C2H2,CO,CO2,H2,击穿电压,介损系数,酸值,糠醛和水,共12维变压器故障诊断状态量;S2:训练第一层神经网络,得到更新后的第一层神经网络的权值和偏置,其中,第一层神经网络的输入层包括12个神经元,分别对应12维变压器故障诊断状态量,隐 ...
【技术保护点】
1.一种变压器故障诊断方法,其特征在于,包括如下步骤:S1:将变压器历史数据分为训练集和测试集,其中,每一个历史数据均包括CH4,C2H6,C2H4,C2H2,CO,CO2,H2,击穿电压,介损系数,酸值,糠醛和水,共12维变压器故障诊断状态量;S2:训练第一层神经网络,得到更新后的第一层神经网络的权值和偏置,其中,第一层神经网络的输入层包括12个神经元,分别对应12维变压器故障诊断状态量,隐藏层包括9个神经元,输出层包括12个神经元;S3:训练第二层神经网络,得到更新后的第二层神经网的权值和偏置,其中,第二层神经网络的输入层为第一层神经网络的隐藏层,第二层神经网络的隐藏层包括6个神经元,输出层包括9个神经元;S4:训练第三层神经网络,得到更新后的第三层神经网的权值和偏置,其中,第三层神经网络的输入层为第二层神经网络的隐藏层,第三层神经网络的隐藏层包括3个神经元,输出层包括6个神经元且本层神经网络的隐藏层的3个神经元分别代表电故障、热故障、老化程度对变压器故障的影响程度;S5:将第三层神经网络的隐藏层作为第四层神经网络的输入层,第四层神经网络的输出层包括4个神经元,其中,每个神经元的值 ...
【技术特征摘要】
1.一种变压器故障诊断方法,其特征在于,包括如下步骤:S1:将变压器历史数据分为训练集和测试集,其中,每一个历史数据均包括CH4,C2H6,C2H4,C2H2,CO,CO2,H2,击穿电压,介损系数,酸值,糠醛和水,共12维变压器故障诊断状态量;S2:训练第一层神经网络,得到更新后的第一层神经网络的权值和偏置,其中,第一层神经网络的输入层包括12个神经元,分别对应12维变压器故障诊断状态量,隐藏层包括9个神经元,输出层包括12个神经元;S3:训练第二层神经网络,得到更新后的第二层神经网的权值和偏置,其中,第二层神经网络的输入层为第一层神经网络的隐藏层,第二层神经网络的隐藏层包括6个神经元,输出层包括9个神经元;S4:训练第三层神经网络,得到更新后的第三层神经网的权值和偏置,其中,第三层神经网络的输入层为第二层神经网络的隐藏层,第三层神经网络的隐藏层包括3个神经元,输出层包括6个神经元且本层神经网络的隐藏层的3个神经元分别代表电故障、热故障、老化程度对变压器故障的影响程度;S5:将第三层神经网络的隐藏层作为第四层神经网络的输入层,第四层神经网络的输出层包括4个神经元,其中,每个神经元的值通过公式(6)计算,且所述4个神经元分别对应变压器的4种状态:正常、一级劣化、二级劣化、三级劣化式中:yg表示第四层神经网络输出层第g个神经元的值,即变压器样本所处故障类别为g的概率;wfg表示第四层神经网络输入层与输出层的权值,取值为0~1的随机数;bg为第四层神经网络输出层第g个神经元的偏置值,取值为0~1的随机数;xf表示第四层神经网络输入层第f个神经元的值;S6:建立整体网络,将第一层神经网络输入层作为整体网络的输入层,第一层神经网络的隐藏层作为整体网络的第一个隐藏层,第二层神经网络的隐藏层作为整体网络的第二个隐藏层,第三层神经网络的隐藏层作为整体网络的第三个隐藏层,第四层神经网络的输出层作为整体网络的输出层;S7:利用训练集中有标签的样本对整体网络的权值与偏置值进行微调,得到变压器故障诊断模型;S8:利用测试集样本对S7中得到的变压器故障诊断模型进行验证,保证变压器故障诊断模型的准确率;S9:利用变压器故障诊断模型对实时接收到的采样数据进行处理,得到变压器故障诊断结果。2.按照权利要求1所述的变压器故障诊断方法,其特征在于:S2中训练第一...
【专利技术属性】
技术研发人员:马胤刚,蒋辉,王巍,孙鲜明,
申请(专利权)人:沈阳天眼智云信息科技有限公司,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。