[发明专利]一种利用虚拟样本训练神经网络诊断变压器故障的方法

权利要求书

1.一种利用虚拟样本训练神经网络诊断变压器故障的方法，其特征在于：包括以下步骤：

步骤1：建立变压器各故障的特征区域：根据油中溶解气体的改良三比值法对变压器故障空间进行划分，得到各故障对应的特征区域；

步骤2：选择虚拟故障样本：在各故障的特征区域内按照正交表选取均匀分布的特征点作为训练样本集中的虚拟故障样本；

步骤3：添加实际故障样本：对实际故障样本采用改良三比值法进行诊断，将其中诊断错误的故障样本添加到所述训练样本集；

步骤4：构造BP神经网络：按照变压器故障空间的特征构造BP神经网络；

步骤5：训练BP神经网络：采用所述训练样本集对BP神经网络进行训练，并用实际故障样本检测所述BP神经网络的训练精度，并提高所述BP神经网络的训练精度；

步骤6：故障诊断：将待测样本输入到所述BP神经网络中进行故障诊断。

2.根据权利要求1所述的，其特征在于：所述步骤1中的特征区域用平面S₁-S₆划分，平面S₁-S₆为：

所述步骤2中的虚拟故障样本由输入向量I和期望输出向量D组成，输入向量I＝(x,y,z)表示三组气体含量的比值，向量D＝(D₁,D₂,…,D₁₁)表示变压器发生的故障模式，其取值为：

输入向量I＝(x,y,z)为：特征区域(1,1,1)、(1,2,2)、(1,3,3)、(2,1,2)、(2,2,3)、(2,3,1)、(3,1,3)、(3,2,1)、(3,3,2)特征点的实际坐标；1、2、3，分别为相应特征区域对各方向上的最小值、中间值和最大值。

3.根据权利要求1所述的，其特征在于：所述BP神经网络的网络层数为4，其中输入层节点3个，分别接收这三组比值的输入；输出层11个节点，输出向量O＝(O₁,O₂,…,O₁₁),分别代表A₁～A₁₁这11种故障类型的概率；隐层1由13个节点构成,隐层2由17个节点构成；网络各节点的转移函数选择logsig函数。