一种基于深度学习的变压器状态评估方法技术

本发明专利技术公开了一种基于深度学习的变压器状态评估方法，包括以下步骤：1)数据采集；2)数据预处理；3)建立CNN深度卷积神经网络模型；4)模型训练；5)自学习；本发明专利技术适用于电力设备故障诊断技术领域，利用深度学习理论的学习算法完成对故障特征气体的提取，能够有效的识别变压器的故障类型，为电力设备的状态诊断提供了新的解决途径，同时也可以有效提高电力设备状态诊断的准确性。态诊断的准确性。态诊断的准确性。

【技术实现步骤摘要】
一种基于深度学习的变压器状态评估方法


[0001]本专利技术属于电力设备故障诊断
，具体是一种基于深度学习的变压器状态评估方法。

技术介绍

[0002]人工神经网络，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法学习模型，是由大量简单的处理单元(神经元)相互连接而形成的复杂网络。通过内部复杂的连接，模拟出各种复杂的函数用于各类数据分析问题。神经网络一般分为输入层、隐藏层和输出层，输入层包括大量的神经元用于接受大量的非线性输入信息；隐藏层包括一层或者多层神经元，通过本层与其他层级的神经元连接模拟各种模型；输出层，信息在神经元链接中传输、分析、权衡，形成输出结果。神经网络按照隐藏层的层数又分为单层神经网络和多层神经网络。
[0003]在服役过程中，电力变压器遭受热、电及机械等应力长期作用，由完全良好状态逐步劣化直至故障。一旦出现故障，不仅严重损害变压器，也极大地威胁正常生产生活。对变压器运行期间状态进行预测，有助于及时感知变压器潜在威胁，掌握变压器故障发展趋势。变压器状态全景信息的不断积累，为变压器运行状态评估及预测提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的变压器状态评估方法，其特征在于，包括以下步骤：1)数据采集：对变压器中出现的特征气体含量进行收集，得到样本数据，特征气体包括H2、CH4、C2H4、C2H6、C2H2；2)数据预处理：对样本数据进行归一化处理，得到预处理后样本数据；3)建立CNN深度卷积神经网络模型：CNN深度卷积神经网络模型基本结构由输入层、卷积层、池化层、全连接层和输出层组成；4)模型训练：将步骤2)中预处理后样本数据作为训练集和测试集，结合网络中各神经元之间的连接，对网络模型做深度学习的训练与测试，得到网络模型的连接权值和偏置函数；5)自学习：将建立完成的CNN深度卷积神经网络模型，经过神经网络的各层神经元的连接转换后，通过输出层将输入层的分析结果输出，推算出是否出现故障以及故障的具体类型及原因。2.如权利要求1所述的一种基于深度学习的变压器状态评估方法，其特征在于：所述步骤1)中，样本数据的采集要求包括：训练样本应具有代表性；训练样本应具有广泛性应能力，可以满足尽可能多的场合使用；训练样本应具有紧凑性。3.如权利要求1所述的一种基于深度学习的变压器状态评估方法，其特征在于：所述样本数据所代表的变压器故障类型包括：低温过热、高温过热、低能放电、高能放电。4.如权利要求1所述的...

【专利技术属性】
技术研发人员：裴晓东，刘海龙，路海阳，戴吉袁，张文龙，赵磊，栗萧河，
申请(专利权)人：内蒙古电力集团有限责任公司锡林郭勒超高压供电分公司，
类型：发明
国别省市：