一种基于遗传优化GRU神经网络的CVT在线故障诊断方法技术

本发明专利技术涉及一种基于遗传优化GRU神经网络的CVT在线故障诊断方法，包括以下步骤：收集大量的CVT在运时状态参数数据及其对应的故障类型并编码；采用遗传算法优化GRU神经网络的参数，在解空间中搜索最优组合参数；在网络训练阶段，将遗传算法得到的组合参数用于GRU神经网络的初始化，并输入归一化后的训练集；将训练完善的神经网络用于CVT在线故障诊断，计算输出故障类型。本发明专利技术将遗传算法优化的GRU神经网络用于CVT的在线故障诊断，通过诊断结果能够更好的用于故障排查和检修，进而保证电网安全。安全。安全。

【技术实现步骤摘要】
一种基于遗传优化GRU神经网络的CVT在线故障诊断方法


[0001]本专利技术涉及一种基于遗传优化GRU神经网络的电容式电压互感器(CVT)在线故障诊断方法，属于CVT故障诊断


技术介绍

[0002]CVT是由电容分压器和电磁单元组成的一种电压互感器，在电力交易计量系统中因其冲击绝缘强度高、结构简单、成本低等优点，正在逐步取代电磁式电压互感器。作为电力系统中信号采集的关键设备之一，CVT的准确性直接关系到电力交易的公正与公平。国家计量检定规程规定，电磁电流、电压互感器检定周期不超过10年，CVT检定周期不超过4年。为了评估电压互感器的运行性能，电力公司通常采用计划停电的定期验证方式。近年来，年久失修的CVT出现了很多故障，例如一、二次线圈部分短路、补偿电抗器部分短路、局部放电故障、过热故障、受潮与老化故障以及漏油故障等。然而，由于停电困难、工作量大等阻碍，导致CVT故障检定工作效率低下、缺陷检测不及时，影响了电力系统的安全运行和电能计量的公平性。因此，针对在运的CVT进行快速的故障排查对电网安全具有重要意义。/>[0003]迄今本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传优化GRU神经网络的CVT在线故障诊断方法，其特征在于，包括以下步骤：S1、对电容式电压互感器的故障类型进行分析和编码，每个故障类型对应一个故障诊断编码，得到故障诊断编码表；S2、采集影响电容式电压互感器运作状态的六个关键状态参数数据，分别是二次输出电压与母线电压比、相角差、中压电容电流与电磁单元电流比、总电容、高压电容、中压电容变化系数，记为数据集D＝{d1，d2，d3，d4，d5，d6}，其中d
i
＝{d
ij
}
1≤j≤n
表示第i个状态参数数据向量，d
ij
为第i个状态参数数据向量的第j个数据，n为数据总量大小；S3、数据预处理：将收集的数据进行最大最小归一化，从而将GRU神经网络的输入数据保持在同一个量级，加快梯度下降求最优解的速度，利于GRU神经网络的训练；并已知故障诊断编码的归一化后的样本数据分成训练集和测试集；S4、使用遗传算法在搜索空间优化GRU神经网络的三个相关参数，分别为GRU神经网络中隐藏层的数量、批数据大小以及遗忘率，确定最佳参数组合；S5、设置GRU神经网络为训练模式，初始化GRU神经网络的权重及偏置参数，获取遗传算法优化后的最佳参数组合，输入归一化后的训练集进行网络训练；S6、对训练完成的GRU神经网络输入归一化后的测试集进行测试，检测训练效果，若效果表现优异，则保存训练好的GRU神经网络，否则返回步骤S3；S7、设置GRU神经网络为故障诊断模式，下载读取训练完善的GRU神经网络结构和各层参数，并实时采集数据集D后，对数据集D进行最大最小归一化处理，将归一化后的实时CVT状态参数数据输入训练完善的GRU神经网络，由GRU神经网络输出故障诊断编码；S8、依据故障诊断编码查询故障诊断编码表得到对应的故障类型，获得故障诊断结果，并保存记录。2.根据权利要求1所述的一种基于遗传优化GRU神经网络的CVT在线故障诊断方法，其特征在于，所述步骤S3中，通过最大最小归一化将原始数据映射到[0，1]之间，针对第i个状态参数数据向量d
i
中的第j个数据d
ij
，采用以下公式进行最大最小归一化：式中，为归一化后的数据，min
1≤j≤n
{d
ij
}为第i个状态参数...

【专利技术属性】
技术研发人员：陈文中，周健，袁志文，陈俊杰，
申请(专利权)人：华东电力试验研究院有限公司，
类型：发明
国别省市：