【技术实现步骤摘要】
本专利技术涉及电力能源，具体为一种基于前馈与反馈结合的变压器故障预测建模方法。
技术介绍
1、变压器是供电系统的核心，直接决定了电力系统能否稳定安全运行，为了确保变压器的稳定运行，需要对变压器的运行必要的检修。传统的检修方法为定期检修，定期检修之间状态做出预测，根据预测结果实时对变压器进行检修，确保变压器的安全运行。目前，对变压器的预测主要是根据变压器的油色谱的历史数据，利用前馈式神经网络，预测变压器油色谱的运行趋势，与故障判断标准中相应故障的表现形式进行对比，对变压器可能发生的故障时间和故障类型进行预判。目前的现有技术对于故障的预测，存在准确率偏低、利用的信息偏少以及不能对变压器同时出现多起故障的情况进行诊断的问题。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：基于前馈式的神经网络建立的变压器故障预测模型无法准确的动态反映变压器内部参数变化趋势，对目前的神经网络预测算法进行改进，利用更多的数据进行学习训练，更好的反映变压器故...
【技术保护点】
1.一种基于前馈与反馈结合的变压器故障预测建模方法，其特征在于：包括，
2.如权利要求1所述的一种基于前馈与反馈结合的变压器故障预测建模方法，其特征在于：所述特征数据包括，变压器安装位置的环境温度数据、运行时间数据、油位数据、温度传感器数据、负载数据和溶解气体数据，对数据进行清理，去除数据中的奇异值；
3.如权利要求2所述的一种基于前馈与反馈结合的变压器故障预测建模方法，其特征在于：所述对特征数据进行训练包括，将各类型特征数据进行归一化处理，转换成向量形式，建立特征量的输入矩阵，对输入矩阵的每一个列向量进行归一化处理，运行时间不做归一化处理，形...
【技术特征摘要】
1.一种基于前馈与反馈结合的变压器故障预测建模方法，其特征在于：包括，
2.如权利要求1所述的一种基于前馈与反馈结合的变压器故障预测建模方法，其特征在于：所述特征数据包括，变压器安装位置的环境温度数据、运行时间数据、油位数据、温度传感器数据、负载数据和溶解气体数据，对数据进行清理，去除数据中的奇异值；
3.如权利要求2所述的一种基于前馈与反馈结合的变压器故障预测建模方法，其特征在于：所述对特征数据进行训练包括，将各类型特征数据进行归一化处理，转换成向量形式，建立特征量的输入矩阵，对输入矩阵的每一个列向量进行归一化处理，运行时间不做归一化处理，形成神经网络输入层需要的输入矩阵，归一化处理的公式具体如下：
4.如权利要求3所述的一种基于前馈与反馈结合的变压器故障预测建模方法，其特征在于：所述输入矩阵包括，将构建的矩阵进行拆分为训练矩阵和测试矩阵，训练矩阵和测试矩阵的列数相同，训练矩阵选取构建的输入矩阵前70％行，测试矩阵选取后30％行。
5.如权利要求4所述的一种基于前馈与反馈结合的变压器故障预测建模方法，其特征在于：所述反馈式神经网络算法包括，隐藏层、输入层、承接层、求和层以及输出层，对构建的神经网络进行初始化操作，确定隐藏层和承接层的初始层数、节点数、连接阈值和权重；利用输入量的训练矩阵的数据，对神经网络的数据进行训练，动态调整承接层和隐藏层之间各节点之间的权重和阈值，直到对训练数据的网络预测误差小于要求值，结束神经网络模型的训练。
6.如权利要求5所述的一种基于前馈与反馈结合的变压器故障预测建模方法，其特征在于：所述反馈式神经网络算法还包括，对神经网络模型进行初始化，初始化的内容包括：根据系统输入输出序列，确定网络输入层节点数n、隐含层节点数l，输出层节点数m，初始化输入层、隐含层和输出层神经元之间的连接权值ωij、ωjk，初始化承接层与隐藏层之间的连接权值ωk、初始化隐含层阈值a，输出层阈值b，给定学习速率η和神经元激励函数；
7.如权利要求6所述的一种基于前馈与反馈结合的变压器故障预测建模方法，其特征在于：所述求和层包括，求和层是隐藏输出参数的线性组合，具体表示如下：
8.如权利要求7所述的一种基于前馈与反馈结合的变压器故障预测建模方法，其特征在于：所述承接层包括，承接层的反馈向量具体如下：
9.如权...
【专利技术属性】
技术研发人员：丁健，李巍，卢兴福，曹俊，王颖舒，郝越峰，王勋，仇志昂，李宏才，由岭，
申请(专利权)人：贵州电网有限责任公司，
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。