[发明专利]一种基于双向深度网络的油浸式电抗器故障诊断方法

摘要

本发明公开了一种基于双向深度网络的油浸式电抗器故障诊断方法，其特征是，包括如下步骤：构建基于双向深度网络模型的电抗器故障诊断模型；选取训练样本数据和特征变量，对样本数据进行归一化处理后按一定比例将其分为训练集和测试集；划分电抗器故障状态，并对其进行编码；采用贪婪算法获得网络参数的初始值，并对网络模型进行预训练和微调；保存训练好的网络，进行性能分析，选取诊断结果正确率为唯一指标和传统的诊断方法进行诊断性能对比。优点：基于双向深度网络的油浸式电抗器故障诊断方法适用于大数据量样本的训练，可操作性强，与神经网络等传统故障诊断方法相比，故障诊断的正确率更高，诊断所得的最终结果有很强的可靠性。 1

主权项

1.一种基于双向深度网络的油浸式电抗器故障诊断方法，其特征是，包括如下步骤：

1）构建基于双向深度网络模型的电抗器故障诊断模型；

2）选取训练样本数据和特征变量，对样本数据进行归一化处理后按一定比例将其分为训练集和测试集；

3）划分电抗器故障状态，并对其进行编码；

4）采用贪婪算法获得网络参数的初始值，并对网络模型进行预训练和微调；

5）保存训练好的网络，进行性能分析，选取诊断结果正确率为唯一指标和传统的诊断方法进行诊断性能对比。

2.根据权利要求1所述的一种基于双向深度网络的油浸式电抗器故障诊断方法，其特征是，所述电抗器故障诊断模型由多个受限玻尔兹曼机堆叠构成的双向深度网络，模型的输入为油色谱在线监测的7种特征气体含量值，最终经顶层分类器处理后的输出值为相应样本分别属于不同故障状态的概率值，概率值最大的状态即为诊断的结果。

3.根据权利要求2所述的一种基于双向深度网络的油浸式电抗器故障诊断方法，其特征是，所述受限玻尔兹曼机分为隐层和可见层，隐层和可见层的节点通过权值连接，两层节点之间为全连接，同层节点之间互不相连，将若干个受限玻尔兹曼机堆叠，上一层的输出及为下一层的输入，构成了双向深度网络。

4.根据权利要求1所述的一种基于双向深度网络的油浸式电抗器故障诊断方法，其特征是，所述训练样本数据，选取若干个工程现场记录的相同型号电抗器在故障发生前后较短一段时间内的油色谱在线监测数据，这些数据包含正常数据和故障类数据，均是无标签数据，用作预训练样本，搜集同型号电抗器测试实验数据作为微调阶段所用的少量标签样本；所述特征变量，根据工程现场油色谱在线监测数据特点，选取CO、CO₂、H₂、CH₄、C₂H₆、C₂H₄、C₂H₂这7种特征气体的含量值作为双向深度网络的输入。

5.根据权利要求1所述的一种基于双向深度网络的油浸式电抗器故障诊断方法，其特征是，所述步骤2）中的一定比例采用工程现场搜集到的相同型号故障电抗器实验数据按2:1比例用作微调集和测试集。

6.根据权利要求1所述的一种基于双向深度网络的油浸式电抗器故障诊断方法，其特征是，所述步骤4）中，电抗器故障诊断模型的连接权值W及各层的偏置向量的初始化过程分为预训练和微调两个过程：

预训练过程即采用对比离差学习算法对网络进行若干次吉布斯采样的迭代过程；

微调过程即采用BP算法运用有标签数据集即同型号电抗器正常运行下采集的数据集对网络参数微调，使得模型的识别性能达到最优。