[发明专利]基于概率信息压缩的变压器油色谱数据表示方法

权利要求书

1.一种基于概率信息压缩的变压器油色谱数据表示方法，其特征在于，包括以下步骤：

S010，采用变压器油色谱数据构建数据集C₁；

S020，确定数据集C₁中每一种气体含量在数据集中的最大值与平均值，并对油色谱数据进行归一化处理，以确定油色谱数据对应的故障类别；

S030，对每一种故障类别进行独热码编码；

S040，建立输入变量与隐变量z＝z⁽ⁱ⁾之间的相对熵：

S050，根据输入变量关于其对应隐变量的含参数后验概率以及输入变量自身的先验概率，处理所述相对熵；

其中p_θ(x|z)和p_θ(x)分别为输入变量关于其对应隐变量z＝z⁽ⁱ⁾的含参数后验概率与输入变量自身的先验概率；

S060，对处理后的相对熵进行非依赖项整理并利用输入变量的构造分布q_φ(z|x)使得相对熵最小；

；

S070，最大化logp_θ(x)同时最小化logD_KL[q_φ(z|x)||p_θ(z|x)]，采用对数据集的边缘似然通过近似后验分布q_φ(z|x)作为真实后验分布p_θ(z|x)，确定近似后验分布与真实后验分布的交叉熵以及数据集的边缘似然；

其中右边第一项为近似后验与真实后验的交叉熵；交叉熵主要用于度量两个概率分布间的差异性信息；

S080，根据交叉熵的非负性以及为数据点的边缘似然的变分下界，得到含有正则化项和重构误差的变分下界随机梯度贝叶斯评估器；

并且，由上式得到：

S090，进行正则变换，其中，在z满足均值为0，方差为I的高斯分布时，p(z)＝N(z；0,I)，近似后验时，正则变换得到：

其中J为z的维度；

S100，应用蒙特卡洛评估来求解函数f(z)关于的期望，L个隐变量z^(i,l)l＝1,2,3,...,L则通过从中采样得到，求解隐变量函数的平均值，计算得到重构误差项：

进一步得到重构误差项：

S110，得到需要最大化的优化目标logp_θ(x⁽ⁱ⁾)的函数关系式；

S120，建立输入变量与隐变量z＝z⁽ⁱ⁾之间的函数关系式z＝xW+b，其中隐变量z的矩阵表示为：

生成解码矩阵表示为：D＝[W,b]；

S130，优化目标函数logpθ(x⁽ⁱ⁾)，得到：

F(W,b)＝logp_θ(x⁽ⁱ⁾)；

S140，从均值为0，标准差为1的高斯分布中取随机数初始化生成解码矩阵D，得到其初始化值D₀＝[W₀,b₀]；根据输入变量、初始化生成解码矩阵以及优化目标的函数关系式，得到初始化隐变量并计算得到初始化目标函数F(W₀,b₀)；

S150，计算目标函数F(W,b)的梯度，得到生成解码矩阵D的更新公式如下：

S160，重复迭代上一步骤，直到目标函数F(W,b)达到最大，得到最终的隐变量和最终的生成解码矩阵D_n，其中，隐变量为变压器不同故障类别的内嵌空间表示，n为迭代次数；

S170，根据当前变压器油色谱数据、最终的隐变量和最终的生成解码矩阵，确定变压器的可能故障。