基于改进BP神经网络的变压器故障诊断方法及系统

本发明涉及bp神经网络，尤其涉及基于改进bp神经网络的变压器故障诊断方法及系统。

背景技术：

1、目前油中溶解气体分析(dissolved gases analysis，dga)技术发展已较为成熟，以dga技术为基础，一些传统的诊断方法如iec三比值法、改良三比值法及罗杰斯比值法等被应用在实际变压器故障诊断中，但这些传统的诊断方法也不可避免地存在某些缺陷；如使用条件受限、比值编码不全等。

2、随着智能算法的发展，大多数学者开始采用dga诊断结果与智能诊断方法相结合的方式来提高变压器故障的预测准确率，常见的智能诊断方法有bp神经网络及支持向量机(support vector machine，svm)模型等。

3、还有神经网络和三比值法融合的方法，将神经网络诊断失误的样本转为三比值法诊断；但神经网络的判断准确率过分依赖权值和阈值的选择并且需要大量的训练数据，操作复杂、稳定性不够，针对不同数量的样本数据，最优阈值容易变化，但它的网络性能较差，学习率不稳定。

4、在实际应用中，上述方法可以解决传统方法繁琐的步骤和诊断绝对化问题，但需要进一步优化训练精度和提高适应性。

技术实现思路

1、针对现有方法的不足，本发明解决传统方法繁琐的步骤和诊断绝对化问题，以及训练精度和适应性差的问题。

2、本发明所采用的技术方案是：一种基于改进bp神经网络的变压器故障诊断方法包括以下步骤：

3、步骤一、利用传感器采集变压器数据，构建训练集、测试集和验证集；

4、进一步的，变压器数据中的故障类型包括：低能放电、高能放电、中低温过热、高温过热和局部放电状态。

5、进一步的，变压器数据的预处理包括：利用欧拉距离和皮尔逊系数对变压器数据进行筛选。

6、进一步的，采用hermita样本插值对变压器数据进行扩充。

7、步骤二、利用训练集数据对改进bp神经网络进行训练；

8、进一步的，改进bp神经网络包括7个残差网络模块，将隐含层的模块v和模块vi嵌入svm分类器，将验证集数据输入改进bp神经网络，分别使用svm1和svm2对模块v和模块vi的特征向量vα11和vα12进行诊断，输出对应的准确率p11和准确率p12。

9、进一步的，若准确率p11>准确率p12，计算特征向量的权重，公式为：

10、

11、其中，p11和p12的特征向量权重分别为ω11和ω12；μ为平均值；σ2为方差。

12、进一步的，残差网络模块首先对输入数据x进行加权，计算输入数据x的relu激活函数得到输出f1(x)，第二层残差网络f2(x)的输出为：

13、f2(x)＝r[ω2·f1(x)+b2+x]    (1)

14、其中，ω2为第二层残差网络权值，b2为第二层残差网络偏置。

15、进一步的，基于改进bp神经网络的变压器故障诊断系统，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令以实现基于改进bp神经网络的变压器故障诊断方法。

16、进一步的，存储有计算机程序代码的计算机可读介质，计算机程序代码在由处理器执行时实现基于改进bp神经网络的变压器故障诊断方法。

17、本发明的有益效果：

18、1、改进的bp神经网络模型是在传统bpnn的基础上，引入resnet残差网络模块的思想；当神经网络模型达到一定深度时，模型的诊断性能会趋于饱和，无法进一步提高，甚至诊断性能会随着网络层数的增加而下降；残差网络可以将传统神经网络的恒等映射转换为残差学习，可以很好地解决网络层数增加导致的梯度消失和梯度爆炸的问题；

19、2、在模块v和模块vi中嵌入svm分类器，筛选出对诊断结果准确性影响较大的特征向量从权重的角度。

技术特征：

1.基于改进bp神经网络的变压器故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于改进bp神经网络的变压器故障诊断方法，其特征在于，变压器数据中的故障类型包括：低能放电、高能放电、中低温过热、高温过热和局部放电状态。

3.根据权利要求1所述的基于改进bp神经网络的变压器故障诊断方法，其特征在于，变压器数据的预处理包括：利用欧拉距离和皮尔逊系数对变压器数据进行筛选。

4.根据权利要求1所述的基于改进bp神经网络的变压器故障诊断方法，其特征在于，采用hermita样本插值对变压器数据进行扩充。

5.根据权利要求1所述的基于改进bp神经网络的变压器故障诊断方法，其特征在于，改进bp神经网络包括7个残差网络模块，将隐含层的模块v和模块vi嵌入svm分类器，将验证集数据输入改进bp神经网络，分别使用svm1和svm2对模块v和模块vi的特征向量vα11和vα12进行诊断，输出对应的准确率p11和准确率p12。

6.根据权利要求5所述的基于改进bp神经网络的变压器故障诊断方法，其特征在于，若准确率p11>准确率p12，计算特征向量的权重，公式为：

7.根据权利要求5所述的基于改进bp神经网络的变压器故障诊断方法，其特征在于，残差网络模块首先对输入数据x进行加权，计算输入数据x的relu激活函数得到输出f1(x)，第二层残差网络f2(x)的输出为：

8.基于改进bp神经网络的变压器故障诊断系统，其特征在于，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令以实现如权利要求1-7任一项所述的基于改进bp神经网络的变压器故障诊断方法。

9.存储有计算机程序代码的计算机可读介质，其特征在于，计算机程序代码在由处理器执行时实现如权利要求1-7任一项所述的基于改进bp神经网络的变压器故障诊断方法。

技术总结
本发明涉及BP神经网络技术领域，尤其涉及基于改进BP神经网络的变压器故障诊断方法，包括利用传感器采集变压器数据；利用训练集数据对改进BP神经网络进行训练，改进BP神经网络包括7个残差网络模块，将隐含层的模块V和模块VI嵌入SVM分类器，将验证集数据输入改进BP神经网络，分别使用SVM1和SVM2对模块V和模块VI的特征向量v<subgt;α11</subgt;和v<subgt;α12</subgt;进行诊断，输出对应的准确率P11和P12。本发明解决传统方法繁琐的步骤和诊断绝对化问题，以及训练精度和适应性差的问题。

技术研发人员：郑剑锋,金永双,巫航,陈轩宇,蒋承奇,梁可
受保护的技术使用者：常州大学
技术研发日：
技术公布日：2024/1/15