申请/专利权人:三峡大学
申请日:2023-06-21
公开(公告)日:2023-11-07
公开(公告)号:CN117007878A
主分类号:G01R31/00
分类号:G01R31/00;G01R31/12;G06F18/2411;G06F18/243;G06F18/213
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.11.24#实质审查的生效;2023.11.07#公开
摘要:一种基于IK‑meansSMOTE均衡样本和CHPOA‑DBN的变压器故障诊断方法,它包括以下步骤:步骤1:搜集包含正常N、局部放电PD、低能放电D1、高能放电D2、低温过热T1、中温过热T2、高温过热T3、低能放电兼过热LDT、高能放电兼过热HDT九种类型的DGA样本;步骤2:由于采集到的特征气体体积分数差异较大,为减小数值计算带来的误差,对DGA样本进行归一化处理;步骤3:按照指定的比例划分训练集和测试集;步骤4:利用IK‑meansSMOTE算法对训练集进行过采样,使得各个故障类型的样本兼顾类间、类内平衡;步骤5:利用CHPOA算法对DBN的隐含层节点数、反向微调学习率进行优化,得到一组最佳网络参数,构建CHPOA‑DBN变压器故障诊断模型;步骤6:将测试集输入CHPOA‑DBN变压器故障诊断模型,得到故障诊断结果。
主权项:1.一种基于IK-meansSMOTE均衡样本和CHPOA-DBN的变压器故障诊断方法,其特征在于,它包括以下步骤:步骤1:搜集包含正常N、局部放电PD、低能放电D1、高能放电D2、低温过热T1、中温过热T2、高温过热T3、低能放电兼过热LDT、高能放电兼过热HDT九种类型的DGA样本;步骤2:由于采集到的特征气体体积分数差异较大,为减小数值计算带来的误差,对DGA样本进行归一化处理;步骤3:按照指定的比例划分训练集和测试集;步骤4:利用IK-meansSMOTE算法对训练集进行过采样,使得各个故障类型的样本兼顾类间、类内平衡;步骤5:利用CHPOA算法对DBN的隐含层节点数、反向微调学习率进行优化,得到一组最佳网络参数,构建CHPOA-DBN变压器故障诊断模型;步骤6:将测试集输入CHPOA-DBN变压器故障诊断模型,得到故障诊断结果。
全文数据:
权利要求:
百度查询: 三峡大学 一种基于IK-means SMOTE均衡样本和CHPOA-DBN的变压器故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。