[发明专利]一种基于变压器数据样本扩充的故障诊断方法及系统在审

专利信息
申请号: 202111603212.5 申请日: 2021-12-24
公开(公告)号: CN114417977A 公开(公告)日: 2022-04-29
发明(设计)人: 罗颖婷;王磊;田翔;许海林;梁永超;石墨;李晖 申请(专利权)人: 广东电网有限责任公司;广东电网有限责任公司电力科学研究院
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08;G06Q50/06
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 陈旭红;钟文瀚
地址: 510000 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 变压器 数据 样本 扩充 故障诊断 方法 系统
【权利要求书】:

1.一种基于变压器数据样本扩充的故障诊断方法,其特征在于,包括:

获取主变试验数据,对所述主变试验数据进行数据清洗,并将数据清洗后的所述主变试验数据按照预设比例划分为主变试验训练数据及主变试验测试数据;其中,所述主变试验数据包括:主变色谱、介损及电容量、绝缘电阻;

对所述主变试验训练数据进行归一化处理;

通过所述归一化处理后的主变试验训练数据及损失函数建立用于变压器故障诊断的反传神经网络模型,并通过所述主变试验测试数据对所述用于变压器故障诊断的反传神经网络模型进行优化;

将变压器的运行数据输入至优化后的所述用于变压器故障诊断的反传神经网络模型,得到变压器的故障结果。

2.如权利要求1所述的一种基于变压器数据样本扩充的故障诊断方法,其特征在于,所述对所述主变试验数据进行数据清洗,包括:

检测并删除异常数据及填补缺失数据。

3.如权利要求2所述的一种基于变压器数据样本扩充的故障诊断方法,其特征在于,所述填补缺失数据,包括:

利用SMOTE算法对所述主变试验训练数据进行扩充。

4.如权利要求1所述的一种基于变压器数据样本扩充的故障诊断方法,其特征在于,所述通过所述主变试验测试数据对所述用于变压器故障诊断的反传神经网络模型进行优化,具体地:

将所述主变试验测试数据输入所述用于变压器故障诊断的反传神经网络模型,通过比对样本实际标签与用于变压器故障诊断的反传神经网络模型的预测标签,评估用于变压器故障诊断的反传神经网络模型的分类性能。

5.一种基于变压器数据样本扩充的故障诊断系统,其特征在于,包括:

数据清洗及分类模块,用于获取主变试验数据,对所述主变试验数据进行数据清洗,并将数据清洗后的所述主变试验数据按照预设比例划分为主变试验训练数据及主变试验测试数据;其中,所述主变试验数据包括:主变色谱、介损及电容量、绝缘电阻;

数据处理模块,用于对所述主变试验训练数据进行归一化处理;

模型建立及优化模块,用于通过所述归一化处理后的主变试验训练数据及损失函数建立用于变压器故障诊断的反传神经网络模型,并通过所述主变试验测试数据对所述用于变压器故障诊断的反传神经网络模型进行优化;

故障判断模块,用于将变压器的运行数据输入至优化后的所述用于变压器故障诊断的反传神经网络模型,得到变压器的故障结果。

6.如权利要求5所述的一种基于变压器数据样本扩充的故障诊断系统,其特征在于,所述数据清洗及分类模块,还用于:

检测并删除异常数据及填补缺失数据。

7.如权利要求6所述的一种基于变压器数据样本扩充的故障诊断系统,其特征在于,所述数据清洗及分类模块,还用于:

利用SMOTE算法对所述主变试验训练数据进行扩充。

8.如权利要求5所述的一种基于变压器数据样本扩充的故障诊断系统,其特征在于,所述模型建立及优化模块,还用于:

将所述主变试验测试数据输入所述用于变压器故障诊断的反传神经网络模型,通过比对样本实际标签与用于变压器故障诊断的反传神经网络模型的预测标签,评估用于变压器故障诊断的反传神经网络模型的分类性能。

9.一种电子装置,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的基于变压器数据样本扩充的故障诊断方法。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的基于变压器数据样本扩充的故障诊断方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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广东电网有限责任公司;广东电网有限责任公司电力科学研究院,未经广东电网有限责任公司;广东电网有限责任公司电力科学研究院许可,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/202111603212.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top