【技术实现步骤摘要】
故障检测模型训练、故障检测方法、装置、设备及介质
[0001]本专利技术实施例涉及故障诊断
,尤其涉及一种故障检测模型训练
、
故障检测方法
、
装置
、
设备及介质
。
技术介绍
[0002]变压器在电力系统中扮演着重要的角色,其主要负责输电和配电的关键任务
。
变压器的安全稳定运行对生产生活至关重要,变压器一旦发生故障,则会给电力系统带来许多负面影响
。
因此,及时对变压器的运行状况进行评估将有助于保障电力系统的安全稳定运行
。
[0003]目前,变压器故障诊断技术主要为三比值法和人工智能方法
。
其中,三比值法是根据充油电气设备内油
、
绝缘在故障下裂解产生气体组分含量的相对浓度与温度的依赖关系,从特征气体中选取两种溶解度和扩散系数相近的气体组成三对比值,以不同的编码表示,从而根据编码规则表查找确定故障类型
。
人工智能方法一般包括贝叶斯分类器和神经网络等方法
。
[0004]专利技术人在实现本专利技术的过程中,发现现有技术存在如下缺陷:三比值法存在编码缺失的问题,会降低变压器故障诊断的正确率;诸如贝叶斯分类器和神经网络等人工智能方法存在泛化能力较差和收敛困难等问题,降低了变压器故障诊断的准确率和效率
。
技术实现思路
[0005]本专利技术实施例提供一种故障检测模型训练
、
故障检测方法
、 ...
【技术保护点】
【技术特征摘要】
1.
一种故障检测模型训练方法,其特征在于,包括:获取电力变压器溶解气体训练样本数据;将所述电力变压器溶解气体训练样本数据输入至支持向量机模型;根据改进递归神经网络模型对所述支持向量机模型的输出函数进行参数优化,得到目标优化模型参数;根据所述目标优化模型参数对所述支持向量机模型的输出函数进行更新,以完成所述支持向量机模型的训练;其中,训练完成的所述支持向量机模型用于检测电力变压器的故障
。2.
根据权利要求1所述的方法,其特征在于,在所述根据改进递归神经网络模型对所述支持向量机模型的输出函数进行参数优化之前,还包括:确定递归神经网络模型初始化参数;根据所述递归神经网络模型初始化参数对所述改进递归神经网络模型的目标模型参数进行初始化配置
。3.
根据权利要求1所述的方法,其特征在于,所述根据改进递归神经网络模型对所述支持向量机模型的输出函数进行参数优化,得到目标优化模型参数,包括:建立所述支持向量机模型关联的凸二次规划问题;将所述凸二次规划问题转换为标准矩阵型凸二次规划问题;根据所述标准矩阵型凸二次规划问题构建所述改进递归神经网络模型的惩罚函数;根据所述改进递归神经网络模型的惩罚函数构建拉格朗日函数;根据神经动力学函数对所述拉格朗日函数进行求解,得到目标求解表达式;根据所述目标求解表达式对所述支持向量机模型的输出函数进行参数优化,得到目标优化模型参数
。4.
根据权利要求3所述的方法,其特征在于:基于如下公式建立所述凸二次规划问题:基于如下公式建立所述凸二次规划问题:其中,
m
表示训练样本的数目,
α
表示所述支持向量机模型中的拉格朗日乘子,
α
i
表示第
i
个训练样本的拉格朗日乘子,
α
j
表示第
j
个训练样本的拉格朗日乘子,
y
i
表示第
i
个训练样本的数据标签,
y
j
表示第
j
个训练样本的数据标签,为高斯核函数,表示第
i
个训练样本
x
i
与第
j
个训练样本
x
j
的核函数计算结果,
σ
表示核函数参数,
C
表示惩罚因子;基于如下公式表示所述标准矩阵型凸二次规划问题:
其中,
E
是
m*m
维的单位矩阵;基于如下公式构建所述改进递归神经网络模型的惩罚函数:其中,
P(
α
)
表示所述改进递归神经网络模型的惩罚函数,
p
表示惩罚项,
μ
表示模型常数,
v
i
表示矩阵中第
i
行的行向量,
R
i
表示矩阵中第
i
行的行向量;基于如下公式构建所述拉格朗日函数:其中,
τ
...
【专利技术属性】
技术研发人员:张建涛,朱丽媛,张林海,韩金尅,靳英,江峰,陈文波,李志华,杨星,廖嘉维,李文庆,陈乐新,李延宾,严庆城,
申请(专利权)人:广东电网有限责任公司梅州供电局,
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。