[发明专利]基于CNN‑DBN网络的局放故障诊断方法在审
| 申请号： | 201710536255.3 | 申请日： | 2017-07-04 |
| 公开（公告）号： | CN107449994A | 公开（公告）日： | 2017-12-08 |
| 发明（设计）人： | 贾骏;胡成博;周志成;陶风波;谢天喜;徐阳;陈舒;徐长福;徐家园 | 申请（专利权）人： | 国网江苏省电力公司电力科学研究院;国家电网公司;江苏省电力试验研究院有限公司 |
| 主分类号： | G01R31/12 | 分类号： | G01R31/12;G06F17/50;G06N3/04;G06N3/08 |
| 代理公司： | 南京纵横知识产权代理有限公司32224 | 代理人： | 董建林 |
| 地址： | 210000 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 cnn dbn 网络 故障诊断 方法 | ||
1.基于CNN-DBN网络的局放故障诊断方法，其特征在于：包括，
构建基于深度卷积神经网络以及受限玻尔兹曼机模型的深信度学习网络；
采集局放仿真数据和实测局放数据，将部分局放仿真数据和实测局放数据混合作为训练样本集，将剩余的局放仿真数据和实测局放数据混合作为测试样本集；
利用训练样本集，对深信度学习网络进行无监督训练，提取跨模式特征；
将跨模式特征送入逻辑回归分类器，利用测试样本集，对回归分类器进行监督训练，得到训练完成的深信度学习网络；
将待测的局放数据输入训练完成的深信度学习网络，得到局放故障诊断结果。
2.根据权利要求1所述的基于CNN-DBN网络的局放故障诊断方法，其特征在于：深信度学习网络包括依次连接的若干层卷积神经网络、若干层深度信念网络和若干层BP网络。
3.根据权利要求2所述的基于CNN-DBN网络的局放故障诊断方法，其特征在于：卷积神经网络有6层，深度信念网络有4层，BP网络有2层。
4.根据权利要求3所述的基于CNN-DBN网络的局放故障诊断方法，其特征在于：卷积神经网络中，每一层网络的激活函数采用ReLu函数，每一层BP网络的激活函数采用sigmoid函数。
5.根据权利要求1所述的基于CNN-DBN网络的局放故障诊断方法，其特征在于：在进行训练深信度学习网络之前，需要对采集局放仿真数据和实测局放数据进行预处理，得到符合深信度学习网络输入的数据。
6.根据权利要求1所述的基于CNN-DBN网络的局放故障诊断方法，其特征在于：根据公式得到局放故障诊断结果，其中为局放故障诊断结果，p(X|Z)为故障分布的似然模型，Z为已经训练好的各种故障发生的概率,X为待测的局放数据输入深信度学习网络后的输出值。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网江苏省电力公司电力科学研究院;国家电网公司;江苏省电力试验研究院有限公司，未经国网江苏省电力公司电力科学研究院;国家电网公司;江苏省电力试验研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710536255.3/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种园林用修剪采摘平台
- 下一篇：一种园林用修剪器
