一种变压器状态故障类型预测方法、系统、介质及设备

    公开(公告)号:CN118709041A

    公开(公告)日:2024-09-27

    申请号:CN202410810857.3

    申请日:2024-06-21

    摘要: 本发明公开了一种变压器状态故障类型预测方法、系统、介质及设备,方法包括:根据多台变压器的历史数据,获取多维数据集;应用人工神经网络提取多维数据集的多维数据特征,获取特征向量;将所述特征向量作为输入,利用随机配置网络进行分类,预测变压器故障类型;使用深度强化学习进行自我学习和迭代优化,学习到训练人工神经网络和随机配置网络最优的策略,提高预测变压器故障类型的准确性。本发明使用深度强化学习,让深度学习强大的特征提取和强化学习的交互学习能力相结合的优势,使激励模型在较弱的奖励反馈信号下学习更多的本质特征,有望具有更好的学习能力和鲁棒性。

    一种变压器数据与运行状态关联方法、系统及介质

    公开(公告)号:CN118626850A

    公开(公告)日:2024-09-10

    申请号:CN202410748041.2

    申请日:2024-06-11

    摘要: 本发明公开了一种变压器数据与运行状态关联方法、系统及介质,方法包括:将变压器网络结构进行拓扑简化,获取变压器拓扑图,并将其转化为数据形式,获取各变压器的拓扑编码,并与时间序列信号组合,获取变压器数据集;并在变压器数据集中加入位置编码,获取变压器时间‑位置信号集,将其正则化后输入到转换模型中训练,获取输入信号数据集的映射矩阵,并通过得分函数计算在不同权重矩阵下相对应标签下的得分;根据得分结果,应用损失函数,获取损失修改权重矩阵参数;以标签得分最高为目标,根据损失修改权重矩阵参数通过后向传播方法来训练更新注意力机制层中权重矩阵,权重矩阵的最优参数,以预测变压器状态,本发明可以更精准检测变压器状态。