一种基于改进卷积神经网络的变压器故障诊断方法技术

本发明专利技术公开了一种基于改进卷积神经网络的变压器故障诊断方法，包括以下步骤一、获取训练样本；二、对训练样本进行扩充；三、将扩充后的训练样本转换为二维图片输入到卷积神经网络中，进行卷积神经网络训练；四、在训练完毕的卷积神经网络中输入测试样本：五、进行训练优化，得到变压器故障类别。本发明专利技术方法步骤简单，设计合理，实现方便，通过将扩充后的一维数据转化为二维图片输入到二维卷积神经网络诊断模型中，并对卷积神经网络模型中的Adam优化算法进行改进，相较于传统的一维卷积神经网络故障诊断方法具有更高的收敛速度和泛化能力，效果显著，便于推广。便于推广。便于推广。

【技术实现步骤摘要】
一种基于改进卷积神经网络的变压器故障诊断方法


[0001]本专利技术属于变压器
，具体涉及一种基于改进卷积神经网络的变压器故障诊断方法。

技术介绍

[0002]油浸式电力变压器是电力传输和能量转换的枢纽设备，电力变压器的运行故障是导致系统大面积停电的关键，要确保电网的安全、稳定运行，及时以及准确地发现变压器的早期潜伏故障是必不可少的。油中溶解气体分析技术(Dissolved GasAnalysis，DGA)是检测油浸式变压器内部绝缘潜伏性故障诊断的关键技术，通过对油中溶解气体浓度及比例进行在线监测，可及时发现内部隐患。
[0003]现在主流的预警方法是三比值预警，基于三比值的变压器预警方法是在接收到不同的状态特征参量数据之后，首先通过不同气体特征浓度，建立乙炔/乙烯、甲烷/氢气以及乙烯/乙烷三对比值。之后，利用三对比值的不同比值的范围，分别进行比值范围编码。最后，通过和故障类型编码表进行对比，得出变压器的故障类型。
[0004]基于DGA的分析方法有传统三比值法、IEC三比值法、大卫三角形法以及Rogers比值法等，这些方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进卷积神经网络的变压器故障诊断方法，其特征在于，包括以下步骤：步骤一、获取训练样本；步骤二、对训练样本进行扩充；步骤三、将扩充后的训练样本转换为二维图片输入到卷积神经网络中，进行卷积神经网络训练；步骤四、在训练完毕的卷积神经网络中输入测试样本；步骤五、进行训练优化，得到变压器故障类别。2.按照权利要求1所述的一种基于改进卷积神经网络的变压器故障诊断方法，其特征在于，步骤二中所述对训练样本进行扩充的具体过程包括：先对样本数据进行筛选，删除一些无标签和特征数据丢失的无效数据，再进行数据增强，得到相对平衡的数据集后，根据卷积神经网络的输入要求，将样本转化为二维的10
×
10矩阵。3.按照权利要求1所述的一种基于改进卷积神经网络的变压器故障诊断方法，其特征在于，步骤三中所述将扩充后的训练样本转换为二维图片的具体过程包括：步骤301、设一组特征气体样本值x
i
为{x1，x2，x3，x4，x5}，x
i
∈R1×5，每个x
i
分为整数和小数部分，各扩展为十位的二进制数；步骤302、整数部分按正序除2取余数，直至商为0，将得到x
ii
；步骤303、小数部分按逆序乘2取整数，直至第十位，采用mod函数，得到x
ij
；步骤304、将x
ii
和x
ij
合并为20位二进制数，x
i
即为100
×
1的一维数据；步骤305、将数据转化[None，10，10，1]的二维图片格式。4.按照权利要求1所述的一种基于改进卷积神经网络的变压器故障诊断方法，其特征在于，步骤三中所述卷积神经网络包括卷积层C1、最大池化层S2、卷积层C3、最大池化层S4、卷积层C5、全连接层F6和输出层L7。5.按照权利要求1所述的一种基于改进卷积神经网络的变压器故障诊断...

【专利技术属性】
技术研发人员：李江鹏，周源根，袁扬，梁中华，陈利瑶，边淋，唐太红，朱自伟，聂小飞，
申请(专利权)人：国家电网有限公司国网江西省电力有限公司吉安供电分公司，
类型：发明
国别省市：