基于粒子群优化神经网络的变压器故障诊断方法及装置

    公开(公告)号:CN118171071A

    公开(公告)日:2024-06-11

    申请号:CN202410161028.7

    申请日:2024-02-04

    摘要: 本发明提供一种基于粒子群优化神经网络的变压器故障诊断方法和装置,包括以下步骤:获取变压器故障样本集,所述变压器故障样本集中包括多种故障类型下变压器油中的溶解气体含量数据,对于每个变压器故障样本,基于无编码比值法进行预处理,获得变压器气体比值特征;从变压器故障样本集中随机筛选出测试集,并利用测试集通过灰色关联度法从变压器故障样本集中筛选出训练集;利用训练集通过粒子群算法对基于BP神经网络的变压器故障诊断模型进行训练,并利用测试集对变压器故障诊断模型进行测试,得到训练好的变压器故障诊断模型;将待诊断变压器的变压器油中溶解气体含量数据输入至训练好的变压器故障诊断模型,获得故障诊断结果。

    基于深度置信神经网络的变压器故障诊断方法及装置

    公开(公告)号:CN118364373A

    公开(公告)日:2024-07-19

    申请号:CN202410279447.0

    申请日:2024-03-12

    摘要: 本发明提供一种基于深度置信神经网络的变压器故障诊断方法,获取变压器故障样本集,所述变压器故障样本集中包括多种故障类型下变压器油中的溶解气体含量数据,对于每个变压器故障样本,基于无编码比值法进行预处理,获得变压器气体比值特征,并基于故障类型对变压器气体比值特征进行标签化处理;然后将变压器气体比值特征输入进DBN进行训练,训练完成后,将已经训练完成后的初始权值与阈值导入BP神经网络,获得变压器故障诊断模型,并基于变压器故障诊断模型对变压器故障进行诊断。该变压器故障诊断方法,克服了BP神经网络反向传播时易陷入局部最优值的问题,能够有效改善网络的搜索和收敛性能,提高诊断正确率。