申请/专利权人:国网湖北省电力有限公司直流公司;武汉大学
申请日:2023-10-18
公开(公告)日:2024-02-02
公开(公告)号:CN117494037A
主分类号:G06F18/25
分类号:G06F18/25;G06F18/214;G06F18/241;G06N3/0442;G06N3/0464;G06N3/0455;G06N3/0985
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.23#实质审查的生效;2024.02.02#公开
摘要:本发明公开了一种基于变权VAE与双通道特征融合的变压器故障诊断方法,包括以下步骤:收集不同故障类型下待诊变压器的油中气体含量数据,并使用改进的熵权法计算每种故障类型中各类气体的权重,获取待分析变权数据集;采用VAE网络对油中气体含量数据进行数据降维和数据扩充,得到变权数据集;构建具有卷积神经网络和双LSTM网络的双通道特征融合的故障诊断模型,用于提取局部特征和捕捉时间序列的长期依赖关系,并采用注意力机制对不同通道的信息进行加权融合分析,进行模型训练,更新模型参数;最后结合实际监测数据进行变压器故障诊断。本发明可以有效改善变压器故障数据样本少、样本不平衡而导致故障诊断准确率低的问题,具备较高的准确率和泛化性。
主权项:1.一种基于变权VAE与双通道特征融合的变压器故障诊断方法,其特征在于,包括以下步骤:收集不同故障类型下待诊变压器的油中气体含量数据,并使用改进的熵权法计算每种故障类型中各类气体的权重,获取待分析变权数据集;包括:设共有l条故障数据,并且每条故障数据含有m种气体含量数据,则输入数据X表示为: 在每种故障类型下,计算每类气体的信息熵ej以及信息效用值dj,并归一化处理得到各种故障类型下各类气体的权重Wj,公式如下: dj=1-ej 式中,Pij为变异性指标,n为某一故障类型的故障数据总数,i为该种故障类型下第i条故障数据;将各类气体的权重Wj与气体含量数据相乘,作为输入数据;采用VAE网络对油中气体含量数据进行数据降维和数据扩充,得到变权数据集;构建具有卷积神经网络和双LSTM网络的双通道特征融合的故障诊断模型,用于提取局部特征和捕捉时间序列的长期依赖关系;并采用注意力机制对不同通道的信息进行加权融合分析,输入变权数据集进行模型训练,更新模型参数;最后结合实际监测数据进行变压器故障诊断。
全文数据:
权利要求:
百度查询: 国网湖北省电力有限公司直流公司;武汉大学 一种基于变权VAE与双通道特征融合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。