发明公开
- 专利标题: 一种基于图卷积神经网络的电力变压器故障诊断方法
-
申请号: CN202211479696.1申请日: 2023-04-25
-
公开(公告)号: CN116562114A公开(公告)日: 2023-08-08
- 发明人: 何明锋 , 陈飞 , 李付林 , 叶国庆 , 李毓 , 张波 , 黄红辉 , 季克勤 , 侯健生 , 黄健 , 王珂 , 沃建栋 , 叶宏 , 贺燕 , 吴峰 , 金坚锋 , 杨艳天 , 王赢聪
- 申请人: 国网浙江省电力有限公司金华供电公司
- 申请人地址: 浙江省金华市婺城区双溪西路420号
- 专利权人: 国网浙江省电力有限公司金华供电公司
- 当前专利权人: 国网浙江省电力有限公司金华供电公司
- 当前专利权人地址: 浙江省金华市婺城区双溪西路420号
- 代理机构: 杭州信与义专利代理有限公司
- 代理商 马育妙
- 主分类号: G06F30/27
- IPC分类号: G06F30/27 ; G06Q50/06 ; G06F17/16 ; G06F119/02
摘要:
本发明公开了一种基于图卷积神经网络的电力变压器故障诊断方法;包括有以下步骤:S1、构建基于GCN的电力变压器故障诊断方法;S2、搭建GCN结构;S3、利用GCN进行变压器故障诊断,对变压器故障进行数据处理,确定模型的输出量,变压器故障可分为热故障和放电故障。具体来说,热故障包括低温热故障(LT)、中温热故障(MT)和高温热故障(HT)。放电故障包括局部放电(PD)、低能放电(LD)、高能放电(HD)。诊断过程包括①数据导入和归一化;②数据的重构和划分;③初始化GCN的结构和参数。对模型进行训练,最后评估评估GCN的性能。