一种基于稀疏自编码深度神经网络的变压器状态判别装置制造方法及图纸

本发明专利技术公开了一种基于稀疏自编码深度神经网络的变压器状态判别装置，包括：数据收集单元，根据预设溶解性气体相关特征，获取待检测的变压器的故障类气体及浓度，作为原始数据输出；数据预处理单元，与数据收集单元连接，用于接收原始数据进行预处理，通过预先实验获得的故障气体间的比值关系判断是否存在潜伏性故障、潜伏性故障的发展速率以及故障类型，并作为预处理数据输出；数据处理单元，与数据预处理单元连接，接收预处理数据，并通过完成稀疏自编码深度神经网络学习的识别模型对预处理数据进行识别评价并输出变压器识别结果。通过溶解性气体分析并采用稀疏自编码深度神经网络对电力变压器内部故障进行识别，计算速度快，准确性高。准确性高。准确性高。

【技术实现步骤摘要】
一种基于稀疏自编码深度神经网络的变压器状态判别装置


[0001]本专利技术涉及变压器管理
，特别是涉及一种基于稀疏自编码深度神经网络的变压器状态判别装置。

技术介绍

[0002]电力设备安全稳定的运行为城市电网和企业生产活动提供了基本的保障。电力设备定期检测及评估是电力设备安全稳定运行必不可少的前提。电力变压器作为整个电网最为基本和关键的设备，其平稳的运行直接关系到整个电力系统的安全可靠。
[0003]溶解性气体检测方法是最常见的电力变压器故障诊断方法，用于识别油浸式变压器内部的故障状况，无法适用于电力变压器出现多种故障的情况，需要解决溶解性气体检测方法的缺点。
[0004]油中溶解气体分析为变压器等充油电气设备内部故障提供了一种最为高效、准确、便捷的方法。虽然溶解性气体检测方法已经很准确了，但变压器出现多种故障时，溶解性气体检测方法需要更长的计算时间，精确度也会降低。
[0005]因此，需要一种更加快速的故障检测技术。

技术实现思路

[0006]本专利技术的目的是提供了一种基于稀疏自编码深度神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于稀疏自编码深度神经网络的变压器状态判别装置，其特征在于，包括：数据收集单元，根据预设溶解性气体相关特征，获取待检测的变压器的故障类气体及浓度，作为原始数据输出；数据预处理单元，与所述数据收集单元连接，用于接收所述原始数据进行预处理，通过预先实验获得的故障气体间的比值关系判断是否存在潜伏性故障、潜伏性故障的发展速率以及故障类型，并作为预处理数据输出；数据处理单元，与所述数据预处理单元连接，接收所述预处理数据，并通过完成稀疏自编码深度神经网络学习的识别模型对所述预处理数据进行识别评价并输出变压器识别结果。2.如权利要求1所述基于稀疏自编码深度神经网络的变压器状态判别装置，其特征在于，还包括与所述数据处理单元连接的故障警示单元，用于根据所述变压器识别结果输出所述变压器的状态并根据所述变压器的状态实现对应的状态指示。3.如权利要求2所述基于稀疏自编码深度神经网络的变压器状态判别装置，其特征在于，所述故障警示单元包括显示模块、通信模块，所述显示模块用于显示所述变压器识别结果，所述通信模块用于与外界进行数据交互。4.如权利要求3所述基于稀疏自编码深度神经网络的变压器状态判别装置，其特征在...

【专利技术属性】
技术研发人员：郭强，汪李忠，张盛，张旭峰，周念成，邵叶晨，李中华，沈海萍，许飞，
申请(专利权)人：国网浙江省电力有限公司杭州市余杭区供电公司国网浙江省电力有限公司杭州供电公司，
类型：发明
国别省市：