【技术实现步骤摘要】
一种变压器故障诊断预测方法和系统
[0001]本专利技术属于变压器故障预测
，特别涉及一种变压器故障诊断预测方法和系统。
技术介绍
[0002]在电力电网中，变压器是保障整个系统安全正常运行的重要设备。近年来，随着社会面整体用电量逐年增加，各种智能化设备及传感器的接入，更多特高压并网运行，导致变压器投入时长大量增加，运行环境变得更加复杂。变压器油中溶解气体分析(dissolved gas analysis，DGA)方法，通过对绝缘油中H2、CH4、C2H2、C2H4和C2H6等特征气体在不同运行状态下的组分占比和产气速率差异进行分析，从而为变压器实时运行状态的评估提供重要的依据，同时具有支持带电在线检测的优点，故而在我国变压器运行状态监测和故障诊断领域得到了广泛应用。
[0003]目前主流的基于油色谱(变压器油中溶解气体)分析进行预测诊断变压器故障的方式仍是三比值法，但是这种方法预测不够精确，而且数据量大。然而随着机器学习理论的发展，基于人工智能的故障诊断方法以其对变压器运行状态类型较高的分类准确率，成为了学界...
【技术保护点】
【技术特征摘要】
1.一种变压器故障诊断预测方法，其特征在于，包括以下步骤：获取变压器油色谱可更新的历史数据，并按照预设比例划分为训练集和预计集；所述历史数据包括每种特征气体含量和每种气体含量对应的变压器故障类型；将所述训练集输入至预先搭建的神经网络，计算出初始权值和神经元偏置；然后迭代循环向前传播，采用训练集对神经网络的全连接层进行训练计算实际输出与预期输出的误差；如果判断误差不符合要求，则反向传播更新神经元偏置；并将初始权值输入至鲸鱼优化算法，自适应更新初始权值；利用更新后的神经元偏置和更新后的初始权值重新迭代运算，直到实际输出与预期输出的误差满足要求完成神经网络的更新；获取预测集数据输入至更新后神经网络完成故障预测。2.根据权利要求1所述的一种变压器故障诊断预测方法，其特征在于，所述特征气体包括H2、CH4、C2H2、C2H4和C2H6。3.根据权利要求1所述的一种变压器故障诊断预测方法，其特征在于，所述每种气体含量对应的变压器故障类型采用故障类型标签表示；即采用0表示“正常”、1表示“低温过热”、2表示“低能放电”、3表示“高能放电”、4表示“低能放电兼过热”、5表示“中温过热”、6表示“局部放电”、7表示“高温过热”和8表示“高能放电兼过热”。4.根据权利要求1所述的一种变压器故障诊断预测方法，其特征在于，所述预先搭建的神经网络的结构包括输入层、隐含层和输出层；所述输入层为每种特征气体含量，输出层为故障类型种类，且特征气体种类数作为输入层的节点，故障类型数作为输出层的神经元数。5.根据权利要求2所述的一种变压器故障诊断预测方法，其特征在于，将所述训练集输入至预先搭建的神经网络，计算出初始权值和神经元偏置的过程包括：根据所述神经网络的结构，采用创建变量函数进行训练，并将均方差设置为0.01，计算出初始权值和神经元偏置。6.根据权利要求1所述的一种变压器故障诊断预测方法，其特征在于，所述采用训练集对神经网络的全连接层进行训练计算实际输出与预期输出的误差的过程包括：采用训练集对神经网络的全连接层进行训练，设置神经网络模型的学习率，则其中，f(x)为全连接层的输出，x为全连接层的输入；实际输出与预期输出的误差采用均方差损失函数计算，具体的公式为：mse＝mean(sum(y
‑
y*)^2)；其中，y为预期输出，y*实际输出。7.根据权利要求1所述的一种变压器故障诊断预测方法，其特征在于，所述将初始权值输入至鲸鱼优化算法，自适应更新初始权值的过程包括：其中，n
g
表示当前种族的迭代次数；和分别表示x
i
的上界和下界；P
iworst
为当前鲸鱼群中最差鲸鱼位置向量；P
ibest
为当前鲸鱼群中最优鲸鱼位置向量；d1...
【专利技术属性】
技术研发人员：胥明凯，任志刚，侯骏，胡旭冉，王思源，崔其会，黄锐，李琮，鲍新，褚壮壮，周兴福，蒋超，韦良，刘春明，解祥艳，郑义斌，杨杰，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。