电力变压器故障深度诊断方法及终端设备与流程

文档序号:14748954发布日期:2018-06-22 09:42阅读:来源:国知局
技术特征:

1.一种电力变压器故障深度诊断方法,其特征在于,包括:

根据第一训练数据集训练第一深度信念网络模型,并根据所述第一深度信念网络模型对第一待测数据进行诊断,得到第一诊断结果;

根据D-S证据理论融合所述第一诊断结果和多个第一诊断证据,确定故障部位;

根据所述故障部位对应的第二训练数据集训练所述故障部位对应的第二深度信念网络模型,并根据所述故障部位对应的第二深度信念网络模型,对第二待测数据进行诊断,得到第二诊断结果;

根据D-S证据理论融合所述第二诊断结果和多个第二诊断证据,确定故障原因。

2.如权利要求1所述的电力变压器故障深度诊断方法,其特征在于,所述根据第一训练数据集训练第一深度信念网络模型包括:

重构所述第一训练数据集,对所述第一训练数据集中的数据进行分类,并添加分类标签;

将所述第一训练数据集中的数据进行统一标准化处理,并将处理后的数据按预设量化规则划分为训练子集和测试子集;

建立多隐藏层的第一深度信念网络模型,根据所述第一训练数据集中数据的维数确定所述第一深度信念网络模型的输入层神经元个数;

根据所述训练子集中带分类标签的数据对所述第一深度信念网络模型进行无监督逐层训练;

根据所述第一训练数据集中数据的类别个数,确定所述第一深度信念网络模型的输出层神经元个数,并对所述第一深度信念网络模型的连接权值和偏置阈值进行反向微调;

根据所述测试子集对所述第一深度信念网络模型进行测试。

3.如权利要求1所述的电力变压器故障深度诊断方法,其特征在于,所述根据D-S证据理论融合所述第一诊断结果和多个第一诊断证据,确定故障部位包括:

根据第一公式计算所述第一诊断结果的基本概率值,并根据第一预设规则得到各个第一诊断证据的基本概率值;所述第一公式表示为:

其中,y(Ri)表示所述第一诊断结果;En表示所述第一深度信念网络模型的训练误差,且tn表示所述第一深度信念网络模型的期望输出值,yn表示所述第一深度信念网络模型的实际输出值;Ri表示故障部位的类别,i=1,2,3,…,n,n为故障部位类别的总数;

根据第二公式计算各故障部位对应的信任函数,根据第三公式计算各故障部位对应的似然函数,根据第四公式计算各故障部位对应的冲突因子;所述第二公式表示为其中,pl(A)表示故障部位的信任函数,B表示A的子集,m(B)表示B集合的基本概率值,表示不否定A的信任程度;所述第三公式表示为其中,(A)表示故障部位的似然函数,m(A)表示A集合的基本概率值;所述第四公式表示为其中Ai表示各故障部位,K表示冲突因子;

计算各故障部位对应的置信区间,根据各故障部位对应的置信区间确定故障部位。

4.如权利要求1所述的电力变压器故障深度诊断方法,其特征在于,每个故障部位对应多个故障原因,每个故障部位对应一个第二训练数据和一个第二深度信念网络模型。

5.如权利要求1至4任一项所述的电力变压器故障深度诊断方法,其特征在于,所述故障部位包括绕组、绝缘油纸和铁芯。

6.如权利要求5所述的电力变压器故障深度诊断方法,其特征在于,所述绕组对应的故障原因包括绕组过热、绕组变形、绕组断线和绕组匝间短路;所述绝缘油纸对应的故障原因包括液体绝缘油故障和固体绝缘纸故障;所述铁芯对应的故障原因包括铁芯过热、铁芯片短路、铁芯松松动及噪声和铁芯多点接地。

7.一种电力变压器故障深度诊断装置,其特征在于,包括:

第一诊断模块,用于根据第一训练数据集训练第一深度信念网络模型,并根据所述第一深度信念网络模型对第一待测数据进行诊断,得到第一诊断结果;

第一融合模块,用于根据D-S证据理论融合所述第一诊断结果和多个第一诊断证据,确定故障部位;

第二诊断模块,用于根据所述故障部位对应的第二训练数据集训练所述故障部位对应的第二深度信念网络模型,并根据所述故障部位对应的第二深度信念网络模型,对第二待测数据进行诊断,得到第二诊断结果;

第二融合模块,用于根据D-S证据理论融合所述第二诊断结果和多个第二诊断证据,确定故障原因。

8.如权利要求7所述的电力变压器故障深度诊断装置,其特征在于,所述第一诊断模块用于:

重构所述第一训练数据集,对所述第一训练数据集中的数据进行分类,并添加分类标签;

将所述第一训练数据集中的数据进行统一标准化处理,并将处理后的数据按预设量化规则划分为训练子集和测试子集;

建立多隐藏层的第一深度信念网络模型,根据所述第一训练数据集中数据的维数确定所述第一深度信念网络模型的输入层神经元个数;

根据所述训练子集中带分类标签的数据对所述第一深度信念网络模型进行无监督逐层训练;

根据所述第一训练数据集中数据的类别个数,确定所述第一深度信念网络模型的输出层神经元个数,并对所述第一深度信念网络模型的连接权值和偏置阈值进行反向微调;

根据所述测试子集对所述第一深度信念网络模型进行测试。

9.一种电力变压器故障深度诊断终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。

10.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。

当前第2页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1