[發(fā)明專利]一種變壓器故障診斷方法、裝置及設(shè)備有效
| 申請?zhí)枺?/td> | 202210496300.8 | 申請日: | 2022-05-09 |
| 公開(公告)號: | CN114595788B | 公開(公告)日: | 2022-08-02 |
| 發(fā)明(設(shè)計)人: | 康佳會;嚴(yán)川;張博 | 申請(專利權(quán))人: | 云智慧(北京)科技有限公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G01N30/00 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 100080 北京市海淀*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 變壓器 故障診斷 方法 裝置 設(shè)備 | ||
1.一種變壓器故障診斷方法,其特征在于,包括:
獲得變壓器的當(dāng)前油色譜數(shù)據(jù)的至少一個特征數(shù)據(jù),其中,一種所述特征數(shù)據(jù)包括所述當(dāng)前油色譜數(shù)據(jù)中的一種氣體的含量數(shù)據(jù);
獲得所述當(dāng)前油色譜數(shù)據(jù)的各特征數(shù)據(jù)到至少一種故障標(biāo)簽分別對應(yīng)的聚類中心點的特征距離;
將至少一個特征距離聚合后,輸入變壓器故障診斷模型中處理,得到變壓器故障發(fā)生概率;
其中,獲得所述油色譜數(shù)據(jù)的各特征數(shù)據(jù)到至少一種故障標(biāo)簽分別對應(yīng)的聚類中心點的特征距離,包括:
其中,表示第h個特征數(shù)據(jù)的特征距離;
表示第h個特征數(shù)據(jù)的權(quán)重;
表示當(dāng)前油色譜數(shù)據(jù)中的樣本的第h個特征數(shù)據(jù);
表示第h個特征數(shù)據(jù)對應(yīng)的第j個聚類矩陣的聚類中心點;
表示高斯核形狀參數(shù);
其中,將至少一個特征距離聚合,包括:
通過:將至少一個特征距離聚合;
其中,表示將至少一個特征距離聚合后得到的聚合距離;
表示特征數(shù)據(jù)的個數(shù),表示第個特征數(shù)據(jù);
其中,所述變壓器故障診斷模型通過以下過程進(jìn)行訓(xùn)練:
獲取訓(xùn)練集數(shù)據(jù),所述訓(xùn)練集數(shù)據(jù)包括:至少一個油色譜數(shù)據(jù)訓(xùn)練樣本以及所述至少一個油色譜數(shù)據(jù)訓(xùn)練樣本分別對應(yīng)的故障類型標(biāo)簽,每一油色譜數(shù)據(jù)樣本包括至少一個特征數(shù)據(jù);
將所述至少一個油色譜數(shù)據(jù)訓(xùn)練樣本,按照所述故障類型標(biāo)簽進(jìn)行聚類處理,得到至少一個聚類矩陣;
根據(jù)預(yù)設(shè)方向梯度極小化目標(biāo)函數(shù),確定每一個聚類矩陣的聚類中心;
其中,所述預(yù)設(shè)方向梯度極小化目標(biāo)函數(shù)為:
其中,為隸屬度矩陣,為聚類矩陣;
U為在C不變的情況下,對目標(biāo)函數(shù)求導(dǎo)得出;
C為在U不變的情況下,對目標(biāo)函數(shù)求導(dǎo)得出;
表示模糊度參數(shù),表示高斯核形狀參數(shù);
為聚類矩陣的個數(shù),n為油色譜數(shù)據(jù)訓(xùn)練樣本的個數(shù);
為油色譜數(shù)據(jù)訓(xùn)練樣本至聚類矩陣的中心點的距離;
其中,所述預(yù)設(shè)方向梯度極小化目標(biāo)函數(shù)迭代的約束條件為:
;
其中,所述訓(xùn)練集數(shù)據(jù),為第i個訓(xùn)練樣本;
表示每個訓(xùn)練樣本的特征數(shù)據(jù)的個數(shù);
,為樣本的第h個特征數(shù)據(jù);
特征數(shù)據(jù)的權(quán)重表示為,為第h個特征數(shù)據(jù)的權(quán)重;
表示第h個特征數(shù)據(jù)對應(yīng)的第j個聚類矩陣的聚類中心點;
表示第h個特征數(shù)據(jù)對應(yīng)的第k個聚類矩陣的聚類中心點;
為聚類矩陣的個數(shù),表示第個聚類矩陣;
表示將至少一個特征距離聚合后得到的聚合距離;
表示將至少一個特征距離聚合后得到的第k個聚合距離;
表示隸屬度矩陣中的元素;
表示聚類矩陣中的元素。
2.根據(jù)權(quán)利要求1所述的變壓器故障診斷方法,其特征在于,所述權(quán)重通過以下過程進(jìn)行優(yōu)化:
在P個權(quán)重中,隨機(jī)產(chǎn)生P個權(quán)重組合作為候選者,形成第一代目標(biāo)權(quán)重組合,P為正整數(shù);
獲得所述第一代目標(biāo)權(quán)重組合的適應(yīng)度,所述適應(yīng)度為每個權(quán)重組合下,進(jìn)行故障診斷的準(zhǔn)確率;
將所述第一代目標(biāo)權(quán)重組合按照適應(yīng)度排序,將適應(yīng)度高于第一值的候選者,直接進(jìn)化到下一代或者兩個優(yōu)秀的父代交換部分元素或者交叉后的染色體中對目標(biāo)元素進(jìn)行隨機(jī)改變的操作,完成下一代進(jìn)化;
重復(fù)上述適應(yīng)度計算以及按照適應(yīng)度排序進(jìn)行下一代進(jìn)化的操作,直到達(dá)到約定的迭代次數(shù)或者準(zhǔn)確率。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于云智慧(北京)科技有限公司,未經(jīng)云智慧(北京)科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210496300.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合





