基于多阶段迁移学习的变压器故障辨识与定位诊断方法

    公开(公告)号:CN110780146B

    公开(公告)日:2021-04-27

    申请号:CN201911261469.X

    申请日:2019-12-10

    申请人: 武汉大学

    摘要: 本发明公开了一种基于多阶段迁移学习理论的变压器故障辨识与定位诊断方法。首先设置仿真,计算待测变压器的绕组参数,从而建立绕组等效电路。针对等效电路设置不同的故障,仿真获取大量样本数据集。然后对待测变压器进行扫频响应测试,获取检测数据集。利用迁移学习方法,仿真数据集进行初步网络训练,检测数据集在此基础上进一步训练。最后将经过诊断获取的故障支持度矩阵进行融合。本发明提出了多阶段迁移学习理论,并运用其二阶段迁移学习的特殊情形,将CNN强大的图像特征提取能力引入到数据量匮乏的变压器故障诊断领域。通过公共数据、仿真数据和少量实验数据的递进关系,完成深度学习的网络训练,可以帮助实现极少量数据集训练达到较高诊断精度的目标。

    诱导有序加权证据推理的变压器故障诊断方法及系统

    公开(公告)号:CN112668164A

    公开(公告)日:2021-04-16

    申请号:CN202011501739.2

    申请日:2020-12-18

    申请人: 武汉大学

    摘要: 本发明公开了一种诱导有序加权证据推理的变压器故障诊断方法及系统,属于变压器故障诊断领域,包括:加载变压器扫频响应分析的典型数据样本,将诊断标签设置为识别框架;加载待诊断设备的检测数据;计算基本可信度分配,构建信度决策矩阵;根据数据样本来源计算诱导有序加权平均算子及其诱导向量;计算指标权重向量;通过诱导有序加权的证据理论融合所有证据,计算综合评价信度,从而确定诊断结果。本发明通过解释检测波形,实现电力设备故障辨识、故障类型判别以及故障定位,能综合处理包括仿真、历史、测试数据等多种来源的信息,考虑不完全信息,为建立数字电网提供支持。还能通过诱导有序加权因子调整诊断结果,实现人机交互与控制优化。

    基于多阶段迁移学习的变压器故障辨识与定位诊断方法

    公开(公告)号:CN110780146A

    公开(公告)日:2020-02-11

    申请号:CN201911261469.X

    申请日:2019-12-10

    申请人: 武汉大学

    摘要: 本发明公开了一种基于多阶段迁移学习理论的变压器故障辨识与定位诊断方法。首先设置仿真,计算待测变压器的绕组参数,从而建立绕组等效电路。针对等效电路设置不同的故障,仿真获取大量样本数据集。然后对待测变压器进行扫频响应测试,获取检测数据集。利用迁移学习方法,仿真数据集进行初步网络训练,检测数据集在此基础上进一步训练。最后将经过诊断获取的故障支持度矩阵进行融合。本发明提出了多阶段迁移学习理论,并运用其二阶段迁移学习的特殊情形,将CNN强大的图像特征提取能力引入到数据量匮乏的变压器故障诊断领域。通过公共数据、仿真数据和少量实验数据的递进关系,完成深度学习的网络训练,可以帮助实现极少量数据集训练达到较高诊断精度的目标。

    一种基于Bi-LSTM和油中溶解气体分析的变压器故障诊断方法

    公开(公告)号:CN110501585B

    公开(公告)日:2021-05-04

    申请号:CN201910628714.X

    申请日:2019-07-12

    申请人: 武汉大学

    摘要: 本发明公开了一种基于Bi‑LSTM和油中溶解气体分析的变压器故障诊断方法。首先采集各变电站的故障DGA监测数据,并对数据进行归一化、序列扩充、叠加噪声等处理,采取无编码比值法进一步提取故障特征信息;然后对DGA序列进行长度排序,并分组填充,将分组划分为训练集和验证集;构建基于Bi‑LSTM的深度学习框架,输入数据进行训练。最后结合实际测试数据进行诊断和网络更新,得到诊断准确率和可移植性较高的故障诊断模型。本发明可有效减少DGA数据监测过程中噪声与误差对诊断的影响;综合考虑不同序列间的复杂关联关系,构建了基于Bi‑LSTM的变压器故障诊断模型。并引入了序列排序、分组、填充等环节,采取批训练策略处理工程实际中不同变压器采样长度不同的问题。

    变压器油中溶解气体的深度并行故障诊断方法及系统

    公开(公告)号:CN111337768B

    公开(公告)日:2021-01-19

    申请号:CN202010134616.3

    申请日:2020-03-02

    申请人: 武汉大学

    摘要: 本发明公开了一种变压器油中溶解气体的深度并行故障诊断方法及系统,属于变压器故障诊断领域。采集各变电站油中溶解气体监测信息,并对数据进行归一化处理;用油中溶解气体构建特征参量作为LSTM诊断模型的输入,并进一步将数据进行图像化处理作为CNN诊断模型的输入;分别构建LSTM诊断模型和CNN诊断模型,并按比例用数据集分别对诊断模型进行训练及验证;利用DS证据理论算法对两种深度学习模型的softmax层输出进行深度并行融合。本发明综合考虑不同深度学习方法对复杂非线性关系的提取能力,构建了基于CNN‑LSTM深度并行融合的变压器故障诊断模型。该模型不需要经过复杂的特征设计,便能得到较高的准确率,因而模型具有较高的可移植性。

    变压器油中溶解气体的深度并行故障诊断方法及系统

    公开(公告)号:CN111337768A

    公开(公告)日:2020-06-26

    申请号:CN202010134616.3

    申请日:2020-03-02

    申请人: 武汉大学

    摘要: 本发明公开了一种变压器油中溶解气体的深度并行故障诊断方法及系统,属于变压器故障诊断领域。采集各变电站油中溶解气体监测信息,并对数据进行归一化处理;用油中溶解气体构建特征参量作为LSTM诊断模型的输入,并进一步将数据进行图像化处理作为CNN诊断模型的输入;分别构建LSTM诊断模型和CNN诊断模型,并按比例用数据集分别对诊断模型进行训练及验证;利用DS证据理论算法对两种深度学习模型的softmax层输出进行深度并行融合。本发明综合考虑不同深度学习方法对复杂非线性关系的提取能力,构建了基于CNN-LSTM深度并行融合的变压器故障诊断模型。该模型不需要经过复杂的特征设计,便能得到较高的准确率,因而模型具有较高的可移植性。

    基于虚实孪生空间的电力设备小样本故障诊断方法及系统

    公开(公告)号:CN111400930B

    公开(公告)日:2022-04-15

    申请号:CN202010273965.3

    申请日:2020-04-09

    申请人: 武汉大学

    IPC分类号: G06F30/20

    摘要: 本发明公开了一种基于虚实孪生空间的电力设备小样本故障诊断方法及系统,属于电力设备的故障诊断领域,该方法包括:获取包含电力设备不同故障位置、故障类型及严重程度的测试样本组成精确实体空间;根据待诊断设备的仿真模型,仿真得到模糊镜像空间;将精确实体空间训练集与模糊镜像空间样本集进行空间杂交得到孪生空间训练样本集;将孪生空间训练样本集作为精确实体空间训练集的补充,故障类型和位置作为诊断标签,输入到深度卷积神经网络中进行训练,对精确实体空间验证集进行故障辨识与定位,验证诊断效果。本发明利用电力设备仿真来对实测样本进行数据增强,可以充分发挥电力仿真在诊断实践中的辅助作用,有效提高小样本诊断情形下的准确率。

    基于数字孪生的变压器故障诊断定位系统

    公开(公告)号:CN112418451A

    公开(公告)日:2021-02-26

    申请号:CN202011220442.9

    申请日:2020-11-05

    申请人: 武汉大学

    摘要: 本发明公开了一种基于数字孪生的变压器故障诊断定位系统,属于电力设备的故障诊断领域,包括:通信感知模块,用于将从设备实体获取的底层监测数据传送到系统支撑模块;系统支撑模块,用于接收并预处理底层监测数据,存储各种数据、模型和专家系统;动态孪生模块,用于对设备故障的多维度概率状况进行分析,构建不同健康状态的动态劣化建模,在后续通过人机交互、实时测量、动态更新实现模型修正;决策诊断模块,用于构建待诊断数据的数字孪生体,实现健康状态的诊断定位;用户界面模块,用于将诊断结果和相关信息通过UI界面显示,提供进一步决策与人机交互。本发明可以实现故障诊断定位的精准认知与闭环优化,提高变压器设备的经济性与可靠性。

    小波降噪和EMD-ARIMA的电力系统负荷预测方法及系统

    公开(公告)号:CN111985361A

    公开(公告)日:2020-11-24

    申请号:CN202010777451.1

    申请日:2020-08-05

    申请人: 武汉大学

    摘要: 本发明公开了一种基于小波降噪和EMD-ARIMA的电力系统负荷预测方法及系统,属于电力系统负荷预测领域。首先,获取电力系统原始负荷数据,接着,利用小波分析对负荷数据进行降噪处理;接着利用经验模态分解EMD方法对降噪后的数据进行进一步处理得到不同的负荷分量;最后,对不同的负荷分量构建对应的差分自回归滑动平均ARIMA模型,同时利用赤池信息准则、贝叶斯信息准则对ARIMA模型进行优选,最终对不同ARIMA模型预测得到的负荷分量进行重构得到最终的预测结果,有效提供了负荷预测的准确率。

    计及疲劳损伤的多尺度风电IGBT可靠性评估方法及系统

    公开(公告)号:CN112084651A

    公开(公告)日:2020-12-15

    申请号:CN202010927855.4

    申请日:2020-09-07

    申请人: 武汉大学

    摘要: 本发明公开了一种计及疲劳损伤的多时间尺度风电IGBT可靠性评估方法及系统,利用多时间尺度来综合提取功率器件的寿命信息;建立IGBT模块的电热耦合模型用以获得结温数据;建立IGBT在不同老化状态下的稳态结温数据库;在短期时间尺度剖面下,基于SCADA监测数据,通过电热耦合模型实时输出结温数据,并计算实时热应力循环次数;在长期时间尺度剖面下,依托风机SCADA监测数据获得风速概率分布曲线;结合Bayerer寿命预测模型和稳态结温数据库预先获得在不同老化阶段IGBT可承受的最大热应力循环次数;以热应力循环次数为衔接不同时间尺度的评估结果,计算风电变流器IGBT的累积损伤度和预估寿命。本发明具备较强的在线监测能力。