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络的变压器状态判别装置，解决溶解性气体检测方法判断变压器多种故障时，其检测结果不精确、计算时间过长的技术问题。
[0007]为解决上述技术问题，本专利技术实施例提供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：
[0008]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；
[0009]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；
[0010]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。
[0011]其中，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。
[0012]其中，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。
[0013]其中，所述通信模块包括4G模块、5G模块、WIFI模块中的至少一中。
[0014]其中，所述显示模块为电容触摸显示模块或OLED显示模块。
[0015]其中，还包括与所述数据采集单元、所述数据预处理单元、所述数据处理单元、所述故障警示单元连接的存储单元，用于储存所述原始数据和变压器识别结果。
[0016]其中，所述存储单元包括型号为SDSQUNC
‑
032G
‑
ZN3MN的TF存储卡、硬盘、U盘中的至少一种。
[0017]其中，所述预处理单元包括型号为N76E003的MCU芯片、ARM处理器中的至少一种。
[0018]其中，所述数据处理单元包含具有CPU的协处理器，用于进行稀疏自编码深度神经网络学习，并对所述变压器内部故障进行识别。
[0019]本专利技术实施例所提供的基于稀疏自编码深度神经网络的变压器状态判别装置，与现有技术相比，具有以下优点：
[0020]本专利技术实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置，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，能够从不同变压器获得的实际油样，识别出变压器内部的故障计算速度快，准确性高。
附图说明
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本专利技术实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的一实施例的结构示意图；
[0023]图2为本专利技术实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的另一实施例的结构示意图；
[0024]图3为本专利技术实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的再一实施例的结构示意图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]请参考图1
‑
3，图1为本专利技术实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的一实施例的结构示意图；图2为本专利技术实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的另一实施例的结构示意图；图3为本专利技术实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的再一实施例的结构示意图。
[0027]在一种具体实施方式中，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，包括：
[0028]数据收集单元10，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；
[0029]数据预处理单元20，与所述数据收集单元10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；
[0030]数据处理单元30，与所述数据预处理单元20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。
[0031]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，能够从不同变压器获得的实际油样，识别出变压器内部的故障计算速度快，准确性高。
[0032]本申请中通过数据处理单元30输出变压器识别结果，但是用户或者工作人员往往获得的是数据本身，可能并不能很直观获得需要的结果，为了解决这一技术问题，在一个实施例中，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还包括与所述数据处理单元30连接的故障警示单元40，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。
[0033]本申请对于所述故障警示单元40的结构不做限定，在一个实施例中，所述故障警示单元40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。
[0034]通过显示模块，工作人员或者用户可以直接获得当前的变压器的状态，以及变压器发生故障时候具体的故障类型。同时，设置通信模块，使得可以实现远程通信，使得工作人员无需现场办本文档来自技高网...

【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：