申请/专利权人：国网辽宁省电力有限公司锦州供电公司;国家电网有限公司;北京信息科技大学

申请日：2023-12-08

公开（公告）日：2024-03-22

公开（公告）号：CN117743959A

主分类号：G06F18/2413

分类号：G06F18/2413;G06N3/0499;G06N3/098;G06F21/60

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种变压器绝缘油中溶解气体特征参数辨识方法、系统及存储介质，本发明所提供技术方案应用的全局模型综合了各个变电站站点的数据和模型，可以用于更准确的故障检测和预测。全局模型能够识别不同站点之间的故障模式和趋势，从而改善变压器健康监测。本发明结合了联邦学习算法的隐私保护优势和变压器油中溶解气体特征参数辨识的需求，实现了准确识别变压器油中溶解气体特征参数辨识的目的，进而可以对变压器进行更有效监测和维护，提高了对变压器健康状态的诊断精度。同时在进行数据传输的过程中，仅仅传递了模型参数，而并不传输实际的数据，从而保护了变压器运行过程中敏感数据的安全。

主权项：1.一种绝缘油中溶解气体特征参数辨识方法，其特征在于，包括以下步骤：在本地变压器绝缘油色谱的历史数据中收集在不同运行状态下变压器绝缘油溶解气体组分含量数据；以本地变压器绝缘油溶解气体组分含量数据为输入参数，以该本地变压器绝缘油溶解气体组分含量数据所对应的变压器运行状态作为目标向量构建本地神经网络模型；在全局变压器绝缘油色谱的历史数据中收集在不同运行状态下变压器绝缘油溶解气体组分含量数据；以全局变压器绝缘油溶解气体组分含量数据为输入参数，以该全局变压器绝缘油溶解气体组分含量数据所对应的变压器运行状态作为目标向量构建全局神经网络模型；为本地神经网络模型设置一个初始模型参数，以该初始模型参数对本地神经网络模型进行训练，当模型收敛时得到本地神经网络的模型参数；利用收集得到的多个本地神经网络的模型参数计算全局神经网络模型的初始模型参数，对全局神经网络模型进行训练，当模型收敛时得到全局神经网络的模型参数；将训练得到的全局神经网络的模型参数下发至所有本地神经网络模型，判断全局神经网络的模型参数是否可以使所有本地神经网络模型收敛，若不能使所有本地神经网络收敛，则以全局神经网络的模型参数作为本地神经网络模型的初始模型参数，以该初始模型参数对本地神经网络模型进行训练，当模型收敛时得到本地神经网络的模型参数，然后利用收集得到的多个本地神经网络的模型参数计算全局神经网络模型的初始模型参数，以该初始模型参数对全局神经网络模型进行训练，当模型收敛时得到全局神经网络的模型参数，直至得到的全局神经网络的模型参数可以使所有本地神经网络模型收敛，此时得到的全局神经网络的模型参数即为变压器绝缘油中溶解气体的特征参数。

全文数据：

权利要求：

百度查询： 国网辽宁省电力有限公司锦州供电公司;国家电网有限公司;北京信息科技大学 绝缘油中溶解气体特征参数辨识方法、系统及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD