System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及变压器,尤其涉及一种变压器故障的识别方法、装置、设备及介质。
技术介绍
1、电力变压器的安全稳定运行对社会生活生产至关重要。对变压器进行故障识别时,一种方法是通过油中溶解气体的浓度识别变压器的故障。
2、油中溶解气体分析(dissolved gas analysis,dga)是通过分析变压器内部油液中溶解的气体成分来判断潜在的故障情况。基于dga的传统方法如特征气体组分法、改良三比值法、rogers比值法、大卫三角法等都存在依赖经验积累和编码区域模糊的问题,故障诊断准确率较低。
技术实现思路
1、本专利技术提供了一种变压器故障的识别方法、装置、设备及介质,能够通过降维后的样本数据训练出变压器故障识别模型,并基于变压器故障识别模型对目标变压器的目标溶解气体数据进行处理,在精准得到目标变压器的故障识别结果的同时,降低了模型训练过程中的负担。
2、根据本专利技术的一方面,提供了一种变压器故障的识别方法,所述方法包括:
3、获取变压器油中的溶解气体的初始样本数据;
4、对所述初始样本数据进行数据降维处理,得到数据降维后的样本数据;
5、基于所述样本数据对待训练的变压器故障识别模型进行训练,得到变压器故障识别模型,以基于变压器故障识别模型对目标变压器的目标溶解气体数据进行处理,得到目标变压器的故障识别结果。
6、根据本专利技术的另一方面,提供了一种变压器故障的识别装置,包括:
7、初始样本数据获
8、数据降维模块,用于对所述初始样本数据进行数据降维处理,得到数据降维后的样本数据;
9、模型训练模块,用于基于所述样本数据对待训练的变压器故障识别模型进行训练,得到变压器故障识别模型,以基于变压器故障识别模型对目标变压器的目标溶解气体数据进行处理,得到目标变压器的故障识别结果。
10、根据本专利技术的另一方面,提供了一种电子设备,所述电子设备包括:
11、至少一个处理器;以及
12、与所述至少一个处理器通信连接的存储器;其中,
13、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例所述的变压器故障的识别方法。
14、根据本专利技术的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的变压器故障的识别方法。
15、本申请实施例的技术方案,包括:获取变压器油中的溶解气体的初始样本数据;对所述初始样本数据进行数据降维处理,得到数据降维后的样本数据;基于所述样本数据对待训练的变压器故障识别模型进行训练,得到变压器故障识别模型,以基于变压器故障识别模型对目标变压器的目标溶解气体数据进行处理,得到目标变压器的故障识别结果。本技术方案通过降维后的样本数据训练出变压器故障识别模型,并基于变压器故障识别模型对目标变压器的目标溶解气体数据进行处理,精准得到了目标变压器的故障识别结果,且通过数据降维降低了模型训练过程中的负担,提高了模型训练效率。
16、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种变压器故障的识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,对所述初始样本数据进行数据降维处理,得到数据降维后的样本数据,包括:
3.根据权利要求2所述的方法,其特征在于,基于被人工蜂鸟算法优化后的核主成分分析对所述初始样本数据进行数据降维处理,得到样本数据,包括:
4.根据权利要求3所述的方法,其特征在于,基于人工蜂鸟算法对核主成分分析的核函数的核参数进行优化,得到目标核参数,包括:
5.根据权利要求3所述的方法,其特征在于,在排序后的特征值中,选择目标特征值对应的特征向量为主成分,包括:
6.根据权利要求1所述的方法,其特征在于,所述待训练的变压器故障识别模型为经人工蜂鸟算法优化后的极限学习机;
7.根据权利要求1所述的方法,其特征在于,获取变压器油中的溶解气体的初始样本数据,包括:
8.一种变压器故障的识别装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读
...【技术特征摘要】
1.一种变压器故障的识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,对所述初始样本数据进行数据降维处理,得到数据降维后的样本数据,包括:
3.根据权利要求2所述的方法,其特征在于,基于被人工蜂鸟算法优化后的核主成分分析对所述初始样本数据进行数据降维处理,得到样本数据,包括:
4.根据权利要求3所述的方法,其特征在于,基于人工蜂鸟算法对核主成分分析的核函数的核参数进行优化,得到目标核参数,包括:
5.根据权利要求3所述的方法,其特征在于,在排序后的特征值中,选择目标特征值对应的特...
【专利技术属性】
技术研发人员:唐松平,李冲,巫小彬,王俊星,朱锐锋,张云,钟振鑫,董玉玺,刘水,刘翰林,黄晓波,肖云,吴涛,林笑玫,王云龙,饶嘉昌,
申请(专利权)人:广东电网有限责任公司,
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。