The application discloses a transformer fault detection method, which includes: obtaining the first sample data of the first transformer and the second sample data of the second transformer; wherein, the data amount of the first sample data is less than the data amount of the second sample data; training the deep belief neural network according to the first sample data to obtain the first diagnosis model; and obtaining the second sample number According to the deep belief neural network training, the second diagnosis model is obtained; the weight parameters of the preset range of the second diagnosis model are transferred to the first diagnosis model to get the diagnosis model; the diagnosis model is used to diagnose the data to be detected of the first transformer to get the diagnosis results. The parameters of the second diagnosis model are transferred to the first diagnosis model by transfer learning, so as to improve the diagnosis accuracy and accuracy of the first diagnosis model. The application also discloses a transformer fault detection device, a fault detection device and a computer-readable storage medium, which have the above beneficial effects.
【技术实现步骤摘要】
一种变压器故障检测方法及相关装置
本申请涉及故障检测领域,特别涉及一种变压器故障检测方法、变压器故障检测装置、故障检测设备以及计算机可读存储介质。
技术介绍
电力变压器是电力系统不可或缺的组成部分,其故障将影响整个电力系统的正常、稳定运行,带来无法估量的损失。所以,准确监控其运行状态、及时诊断出潜在的故障显得尤为重要。因此,通常采用溶解气体分析,也就是比较电力变压器在正常运行状态下与发生故障状态下的油中溶解气体含量,检测并判断油浸式电力变压器故障。现有技术中,更具体的是采用神经网络进行溶解气体分析。但是,现有技术中传统单一的神经网络易陷入局部最优的问题,不能达到最优的故障诊断效果,并且单一的预测方法很难处理高度非线性影响因素,采用组合模型能够对最终的结果有一个很好提升。最后,现有的神经网络需要大量的训练数据,针对小样本数据来说很难做到高精度的故障诊断。可见,现有技术中由于采用的神经网络,以及训练的样本数据等问题,无法达到较高的问题解决效果,降低了变压器故障检测的精度和准确率。因此,如何提高变压器故障检测的精度和准确率是本领域技术人员关注的重点问题。
技术实现思路
本申请的目的是提供一种变压器故障检测方法、变压器故障检测装置、故障检测设备以及计算机可读存储介质,通过迁移学习的方法将第二诊断模型的参数迁移至第一诊断模型中,以便提高第一诊断模型的诊断精度和准确率。为解决上述技术问题,本申请提供一种变压器故障检测方法,包括:获取到第一变压器的第一样本数据,获取到第二变压器的第二样本数据;其 ...
【技术保护点】
1.一种变压器故障检测方法,其特征在于,包括:/n获取到第一变压器的第一样本数据,获取到第二变压器的第二样本数据;其中,所述第一样本数据的数据量小于所述第二样本数据的数据量;/n根据所述第一样本数据进行深度信念神经网络训练,得到第一诊断模型;/n根据所述第二样本数据进行深度信念神经网络训练,得到第二诊断模型;/n将所述第二诊断模型的预设范围的权重参数迁移至所述第一诊断模型中,得到诊断模型;/n采用所述诊断模型对所述第一变压器的待检测数据进行诊断处理,得到诊断结果。/n
【技术特征摘要】
1.一种变压器故障检测方法,其特征在于,包括:
获取到第一变压器的第一样本数据,获取到第二变压器的第二样本数据;其中,所述第一样本数据的数据量小于所述第二样本数据的数据量;
根据所述第一样本数据进行深度信念神经网络训练,得到第一诊断模型;
根据所述第二样本数据进行深度信念神经网络训练,得到第二诊断模型;
将所述第二诊断模型的预设范围的权重参数迁移至所述第一诊断模型中,得到诊断模型;
采用所述诊断模型对所述第一变压器的待检测数据进行诊断处理,得到诊断结果。
2.根据权利要求1所述的变压器故障检测方法,其特征在于,根据所述第一样本数据进行深度信念神经网络训练,得到第一诊断模型,包括:
采用纵横交叉优化算法根据所述第一样本数据进行深度信念神经网络训练,得到所述第一诊断模型。
3.根据权利要求1所述的变压器故障检测方法,其特征在于,根据所述第二样本数据进行深度信念神经网络训练,得到第二诊断模型,包括:
采用纵横交叉优化算法根据所述第二样本数据进行深度信念神经网络训练,得到所述第二诊断模型。
4.根据权利要求1至3任一项所述的变压器故障检测方法,其特征在于,将所述第二诊断模型的预设范围的权重参数迁移至所述第一诊断模型中,得到诊断模型,包括:
将所述第二诊断模型中的输入层参数和隐含层参数迁移至所述第一诊断模型中,得到所述诊断模型。
5.一种变压器故障检测装置,其特征在于,包括:
数据获取模块,用于获取到第一变压器的第一样本数据,获取到第二变压器的第二样本数据;其中,所述第一...
【专利技术属性】
技术研发人员:邵慧栋,孟安波,殷豪,刘诗韵,李皓,吴非,许锐埼,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:广东;44
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。