考虑多源信息时基于深度学习模型的变压器状态评估方法技术

本发明专利技术公开了一种考虑多源信息时基于深度学习模型的变压器状态评估方法，包括收集变压器运行状态历史数据作为样本集，对样本集中数据进行预处理和标注，将标注后的样本数据划分为训练集和测试集，搭建基于双向独立循环神经网络结构的深度学习模型，采用训练集中样本数据训练搭建的深度学习模型，得到训练后的深度学习模型，采用测试集中样本数据对训练后的深度学习模型进行过拟合判断，若训练后的模型出现了过拟合现象，调整模型的超参数，然后重新训练模型，直至未出现过拟合现象，获得最优模型，采集待评估变压器的当前信号数据并输入最优模型中，得到变压器状态评估结果。得到变压器状态评估结果。得到变压器状态评估结果。

【技术实现步骤摘要】
考虑多源信息时基于深度学习模型的变压器状态评估方法


[0001]本专利技术属于电力变压器状态评估
，涉及一种考虑多源信息时基于深度学习模型的变压器状态评估方法。

技术介绍

[0002]变压器是电力系统最为关键的设备之一，其健康状况关系到整个电网的正常运行。目前，变压器故障诊断方法大多是采用气相色谱仪对变压器油浸气体成分及其浓度进行分析，虽然此类分析技术目前已比较成熟，已经广泛应用于国内外的变压器运行状态监测，但还存在分析时间长、寿命短、需要消耗载气、不能分析出二氧化碳浓度、日常维护相对复杂、气体压缩存在安全隐患等问题。
[0003]值得注意的是，随着电力系统电力电子化的趋势不断加剧、交直流混合配电网的日益发展等，变压器状态的影响因素会受到温度、电压、电流、振动程度等内外部多种因素的共同作用，评估分析结果呈现为多样性、复杂性、不确定性和深度耦合性。而且，由于传感器位置的不同，当变压器状态一致时可能会产生不同的现象，而单一传感器只能检测到一种状态信息，误判率高。
[0004]因此，单一采用油色谱分析或电压电流信号等方法，由于仅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑多源信息时基于深度学习模型的变压器状态评估方法，其特征在于，包括以下步骤：步骤1，收集变压器运行状态历史数据作为样本集，对样本集中数据进行预处理，然后对预处理后的样本集中数据进行标注，每一个样本数据均包括输入数据和输出数据，输入数据为变压器信号数据，输出数据为与输入数据相对应的变压器状态类型编号；步骤2，对标注后的样本数据进行划分，随机选取其中的80％作为训练集，其余20％作为测试集；步骤3，搭建基于双向独立循环神经网络结构的深度学习模型，采用训练集中样本数据训练搭建的深度学习模型，得到训练后的深度学习模型；步骤4，采用测试集中样本数据对训练后的深度学习模型进行过拟合判断，若训练后的模型未出现过拟合现象，则是最优模型，若训练后的模型出现了过拟合现象，调整模型的超参数，然后重新训练模型，直至未出现过拟合现象，获得最优模型；步骤5，采集待评估变压器的当前信号数据并输入最优模型中，得到变压器状态评估结果。2.根据权利要求1所述的考虑多源信息时基于深度学习模型的变压器状态评估方法，其特征在于，所述步骤1中，变压器运行状态历史数据包括变压器的温度信号数据、湿度信号数据、输入电压信号数据、输出电压信号数据、输入电流信号数据、输出电流信号数据、振动信号数据和变压器油近红外光谱曲线数据。3.根据权利要求2所述的考虑多源信息时基于深度学习模型的变压器状态评估方法，其特征在于，所述步骤1中，对样本集中数据进行预处理，即对样本集中数据进行标准化处理，获得标准化处理之后的数据输出x
*
：其中x
max
为输入的样本集中每类数据的最大值，x
min
为输入的样本集中每类数据的最小值。4.根据权利要求3所述的考虑多源信息时基于深度学习模型的变压器状态评估方法，其特征在于，所述步骤1中，变压器状态类型包括正常、低能放电、高能放电、局部放电、低温过热、中温过热、高温过热、低能放电兼过热和高能放电兼过热九种，变压器状态类型编号为与变压器状态类型一一对应的1～9。5.根据权利要求4所述的考虑多源信息时基于深度学习模型的变压器状态评估方法，其特征在于，所述双向独立循环神经网络结构包括前向独立循环神经网络与后向独立循环神经网络两个部分，用于分别实现对历史时间和未来时间依赖信息进行提取，将正向与反向输出数据进行堆叠，获取双向参考，得到准确评估结果h
t
：其中，为前向独立...

【专利技术属性】
技术研发人员：邓亚平，贾颢，同向前，张晓晖，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：