[发明专利]一种基于深度学习的变压器复杂工况识别方法有效
| 申请号： | 201810763241.X | 申请日： | 2018-07-06 |
| 公开（公告）号： | CN108896857B | 公开（公告）日： | 2020-12-01 |
| 发明（设计）人： | 张利强;刘刚;焦邵华;白淑华;葛亮;张天侠;王立敏;许翠娟;杨常府;谢晓冬;赵纪元;詹庆才;徐延明 | 申请（专利权）人： | 北京四方继保自动化股份有限公司 |
| 主分类号： | G01R31/52 | 分类号： | G01R31/52;G01R31/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京智绘未来专利代理事务所(普通合伙) 11689 | 代理人： | 张红莲 |
| 地址： | 100085 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的变压器复杂工况识别方法，包括以下步骤：S1：获取原始样本数据；S2：将原始样本数据构建为有类标、无类标和测试数据的数据集；S3：按照一定时间窗口对构建的数据集进行取窗与分组；S4：将窗内电压电流序列信号进行处理得到频谱数据；S5：对频谱数据进行循环神经网络训练；S6：对训练后的循环神经网络进行测试并优化；S7：将现场数据输入优化完成的循环神经网络，进行变压器复杂工况的识别和精确定位。该方法采用循环网络可对复杂混合故障进行准确判断与精确定位，提高了变压器复杂工况辨识的鲁棒性和实用水平。 | ||
| 搜索关键词： | 一种 基于 深度 学习 变压器 复杂 工况 识别 方法 | ||
【主权项】：
1.一种基于深度学习的变压器复杂工况识别方法，其特征在于，所述变压器复杂工况识别方法包括以下步骤：S1.获取原始样本数据，样本数据涵盖现场各种工况的变压器录波数据，该数据为各种型号的变压器从投运以来所有的保护启动数据和保护动作录波数据；S2.将原始样本数据构建为有类标、无类标和测试数据的数据集，无类标的数据集为涵盖现场各种工况的录波数据，有类标的数据集为少量经过专家确认具体工况类型的录波数据；S3.按照设定时间窗口和步长对构建的数据集进行取窗分段，将窗内电压电流序列信号进行短时傅里叶变换，得到处理过的频谱数据；S4.对处理过的有类标和无类标数据集的频谱数据进行训练，获得循环神经网络；S5.对训练后的循环神经网络进行测试并优化；S6.在线识别阶段，将现场数据输入优化完成后的循环神经网络，进行变压器复杂工况的识别和定位。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京四方继保自动化股份有限公司，未经北京四方继保自动化股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810763241.X/，转载请声明来源钻瓜专利网。
