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】
本专利技术属于变压器故障诊断,具体涉及一种基于ocssa-bp神经网络的变压器绝缘油溶解气体分析方法。
技术介绍
1、电力系统的安全和稳定运行受到电力设备状态严密监控的关键影响。变压器一旦发生故障,可能威胁整个电力系统的正常运行。为确保设备的可靠性和高效运行,采用变压器故障诊断方法对设备状态信息进行分析至关重要。因此,迅速而准确地识别变压器故障类型,并实施及时的检修工作,对于保障电力系统的正常运行至关重要。
2、基于bp神经网络的变压器绝缘油溶解气体分析方法存在一些缺陷和挑战,包括:
3、1.数据质量和数量:该方法对于大量高质量的标记数据的需求较高。在实际情况下,获取足够数量和代表性的含气体绝缘油样本可能是一项困难的任务。这可能导致模型在面对新的、未曾见过的情况时性能下降。
4、2.模型复杂性:bp神经网络的复杂性可能导致对大量数据的过度拟合,尤其是在样本量较小的情况下。这可能限制了模型的泛化能力,使其难以适应新的、不同于训练数据的场景。
5、3.特征选择和提取:在绝缘油溶解气体分析中,如何选择和提取最相关的特征是一个挑战。不同的气体组合可能与不同的故障类型相关,因此需要仔细考虑特征的选择和提取方法。
6、4.类别不平衡:在某些情况下,不同类型的绝缘油溶解气体可能存在类别不平衡的问题,这可能导致模型在某些类别上的性能下降。
7、5.实时性:在某些应用中,对于绝缘油溶解气体的分析需要实时性,而bp神经网络的训练和预测过程可能相对较慢。
8、综合考虑
技术实现思路
1、为了克服bp神经网络进行变压器绝缘油溶解气体分析的不足,本专利技术提供了一种基于ocssa-bp神经网络的变压器绝缘油溶解气体分析方法,通过改进麻雀算法优化bp神经网络,提高了分析效率及故障识别准确率。
2、本专利技术通过下述技术方案来实现。一种基于ocssa-bp的变压器绝缘油溶解气体分析方法,步骤如下:
3、步骤s1:构建变压器油中溶解气体成分以及含量数据组成的油中溶解气体监测数据集,油中溶解气体监测数据集作为bp神经网络输入量,变压器故障类型为输出量;确定bp神经网络的输入层、输出层节点数;
4、步骤s2::将油中溶解气体监测数据集进行归一化处理,并划分为训练集和测试集;
5、步骤s3:对bp神经网络的权重和阈值进行初始化,根据初始化参数搭建bp神经网络,并将数据集输入bp神经网络;
6、步骤s4:将bp神经网络的权重和阈值作为寻优参数,并以bp神经网络的故障诊断准确率作为适应度;
7、步骤s5:进行麻雀优化算法的参数初始化,包括麻雀种群数量、最大迭代次数、发现者及警戒者的比例,利用logistic映射对于麻雀种群的坐标进行初始化以及最优适应度及对应的麻雀个体的计算;
8、步骤s6:根据设定好的发现者比例选取麻雀个体,并将鱼鹰优化算法在第一阶段的全局勘探公式作为发现者的位置更新公式;
9、步骤s7:将剩下的所有个体作为跟随者,并采用柯西变异策略作为跟随者位置的更新公式;
10、步骤s8:按照设定好的警戒者比例随机选取麻雀个体,并更新警戒者位置;
11、步骤s9:根据贪婪规则,更新最佳适应度值及最佳位置;若未达到最大迭代次数,则返回步骤s6重新展开迭代;若达到最大迭代次数,则输出最优权值和最优阈值;
12、步骤s10:根据最优权值和最优阈值,构建基于ocssa-bp的变压器绝缘油溶解气体分析模型,实现对于溶解气体成分及浓度的分析,从而得到变压器故障诊断结果。
13、进一步优选,步骤s1选取h2、ch4、c2h6、c2h4、c2h2五种变压器油中溶解气体成分作为输入量。
14、进一步优选,bp神经网络的输入层、输出层节点分别为5、6。
15、进一步优选,所述利用logistic映射对于麻雀种群的坐标进行初始化,公式如下:
16、
17、其中,μ为控制参数,满足μ∈(0,4];t为当前迭代次数,为第t次迭代第i只麻雀的位置,为第t+1次迭代第i只麻雀的位置。
18、进一步优选,步骤s6中,发现者的位置更新公式:
19、
20、其中,为第t+1次迭代的第i只麻雀的第j维位置,为第t次迭代的第i只麻雀的第j维位置,sfi,j为随机检测到的一个食物位置,r为[0,1]之间的随机数,i的值为{1,2}中的一个。
21、进一步优选,步骤s7中,跟随者位置的更新公式为:
22、
23、其中,为t次迭代最佳麻雀位置,cauchy(0,1)为标准柯西分布函数,代表相乘的含义。
24、进一步优选,步骤s8按照设定好的警戒者比例随机选取麻雀个体,并更新警戒者位置:
25、
26、其中,为t次迭代中最差的麻雀位置,β为步长控制参数;k为随机数,取值在-1到1之间;fi、fw及fg为当前麻雀的适应度、最劣及最优适应度;ε为常数。
27、本专利技术具有以下优点:标准的bp神经网络使用梯度下降方法来修改权重和阈值,但梯度下降算法通常具有容易陷入局部极小值、容易振荡和收敛缓慢的缺点。本方案采用融合鱼鹰和柯西变异的麻雀优化算法(ocssa)作为bp神经网络的优化算法,对bp神经网络的权值及阈值进行优化,效果优于蜣螂、麻雀、减法优化器等优秀的算法,而且不会增加算法的复杂度,在主循环中,只调用了一次适应度函数,因此可以用于复杂工程的优化。运行时间不会像某些加入了反向学习、贪婪策略等改进算法一样陡然上升,且提出的基于ocssa-bp神经网络的变压器绝缘油溶解气体分析方法优于其他方法,分析效率更高,故障识别准确率更高。
本文档来自技高网...【技术保护点】
1.一种基于OCSSA-BP的变压器绝缘油溶解气体分析方法,其特征在于,步骤如下:
2.根据权利要求1所述的基于OCSSA-BP的变压器绝缘油溶解气体分析方法,其特征在于,步骤S1选取H2、CH4、C2H6、C2H4、C2H2五种变压器油中溶解气体成分作为输入量。
3.根据权利要求1所述的基于OCSSA-BP的变压器绝缘油溶解气体分析方法,其特征在于,BP神经网络的输入层、输出层节点分别为5、6。
4.根据权利要求1所述的基于OCSSA-BP的变压器绝缘油溶解气体分析方法,其特征在于,所述利用Logistic映射对于麻雀种群的坐标进行初始化,公式如下:
5.根据权利要求1所述的基于OCSSA-BP的变压器绝缘油溶解气体分析方法,其特征在于,步骤S6中,发现者的位置更新公式:
6.根据权利要求1所述的基于OCSSA-BP的变压器绝缘油溶解气体分析方法,其特征在于,步骤S7中,跟随者位置的更新公式为:
7.根据权利要求1所述的基于OCSSA-BP的变压器绝缘油溶解气体分析方法,其特征在于,步骤S8按照设定好的警戒
...【技术特征摘要】
1.一种基于ocssa-bp的变压器绝缘油溶解气体分析方法,其特征在于,步骤如下:
2.根据权利要求1所述的基于ocssa-bp的变压器绝缘油溶解气体分析方法,其特征在于,步骤s1选取h2、ch4、c2h6、c2h4、c2h2五种变压器油中溶解气体成分作为输入量。
3.根据权利要求1所述的基于ocssa-bp的变压器绝缘油溶解气体分析方法,其特征在于,bp神经网络的输入层、输出层节点分别为5、6。
4.根据权利要求1所述的基于ocssa-bp的变压器绝缘油溶解气体分析方法,其特...
【专利技术属性】
技术研发人员:邓华璞,罗浪,杨丰帆,张子熙,武晓蕊,赵泽予,李佳,况静,胡晶,马雯君,贺佳慧,童歆,张露,韩煦,侯成,吕嘉威,许志浩,康兵,丁贵立,王宗耀,
申请(专利权)人:国网湖北省电力有限公司超高压公司,
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。