基于激光测振的变压器噪声识别和逆向还原方法及介质

    公开(公告)号:CN114091533A

    公开(公告)日:2022-02-25

    申请号:CN202111348818.9

    申请日:2021-11-15

    Abstract: 本发明涉及一种基于激光测振的变压器噪声识别和逆向还原方法及介质,所述方法包括:构建待测变压器的声振耦合模型,获得优化的测点布置方案;基于所述优化的测点布置方案,利用激光测振法获得各测点的表面振动信号;以设定时间长度对所述表面振动信号进行拆分,获得多个表面振动时域信号片段;以所述多个表面振动时域信号片段作为预先训练的噪声识别与还原神经网络模型的输入,获得对应的设备状态和噪声时域信号估计值;将所述噪声时域信号估计值转化为声场指标及声场分布,实现变压器噪声识别与还原。与现有技术相比,本发明具有安全、便捷、可靠等优点,可适用于强电强磁高压等各种复杂工作场景下不同型号变压器噪声识别与逆向还原的测试。

    基于自适应变异PSO-BP神经网络的电缆群稳态温升预测方法

    公开(公告)号:CN112580855A

    公开(公告)日:2021-03-30

    申请号:CN202011360602.X

    申请日:2020-11-27

    Abstract: 本发明涉及一种基于自适应变异PSO‑BP神经网络的电缆群稳态温升预测方法,包括以下步骤:1)构建原始电缆群稳态温升数据集,并进行归一化处理;2)设置输入层、隐含层和输出层节点个数,构建BP神经网络;3)将BP神经网络的阈值和权重作为粒子,并初始化粒子群参数,确定全局最优、个体最优、个体最优适应度值与全局最优适应度值,采用PSO算法训练BP神经网络,最终得到最优的粒子,即最优的BP神经网络的阈值和权重值;4)将待预测的数据输入到BP神经网络中,得到输出的预测值,完成电缆群稳态温升的预测,与现有技术相比,本发明具有快速准确等优点。

Patent Agency Ranking