公开(公告)号：CN106548230B

公开(公告)日：2019-08-06

申请号：CN201610898110.3

申请日：2016-10-14

Applicant: 云南电网有限责任公司昆明供电局 ,  西安交通大学

Inventor： 徐肖庆 ,  郑晓泉 ,  肖德健 ,  朱宁 ,  陈永琴 ,  韦瑞峰 ,  胡昌斌

IPC: G06N3/00 ,  G06N3/08 ,  G01N33/00

Abstract: 基于改进粒子群优化神经网络的变压器故障诊断方法，步骤如下：首先，获取变压器油中溶解气体相关数据与变压器故障信息作为样本数据，并用降半正态分布评分模型对油中溶解气体数据进行预评估；其次，确定神经网络的网络结构；然后，用改进的粒子群算法优化神经网络的参数；再用预评估后的样本数据对参数优化后的神经网络进行训练，得到最终的神经网络模型；最后，用该神经网络模型处理待评估的变压器数据，便会诊断出变压器的故障类型；本发明方法可以降低原始数据冗余信息的干扰，提高评估数据的有效性；同时加快神经网络训练时的收敛速度、提高参数寻优的搜索能力，并最终提高变压器故障诊断的准确率和可靠度。

公开(公告)号：CN106529124A

公开(公告)日：2017-03-22

申请号：CN201610898107.1

申请日：2016-10-14

Applicant: 云南电网有限责任公司昆明供电局 ,  西安交通大学

Inventor： 徐肖庆 ,  郑晓泉 ,  肖德健 ,  朱宁 ,  陈永琴 ,  韦瑞峰 ,  胡昌斌

IPC: G06F19/00 ,  G06K9/62

Abstract: 本发明公开了基于主成分分析与支持向量机相结合的变压器绝缘状态评估方法，该方法首先获取变压器油中溶解气体数据、电气试验数据、绝缘油特性试验数据以及变压器绝缘状态等级数据，并用半岭模型对各项输入数据进行预评估；其次，利用主成分分析法对预评估后的数据进行降维处理，得到新的输入样本集，从而降低了原始数据冗余信息的影响；再用改进的粒子群算法对支持向量机的核函数参数g和惩罚参数c进行优化；然后用降维后的输入样本集与变压器对应的绝缘状态等级数据训练支持向量机，得到最终的支持向量机模型；最后，用该支持向量机模型处理待评估的变压器溶解气体数据、变压器电气试验数据以及绝缘油特性试验数据，从而获得变压器的绝缘状态等级。

公开(公告)号：CN106548230A

公开(公告)日：2017-03-29

申请号：CN201610898110.3

申请日：2016-10-14

Applicant: 云南电网有限责任公司昆明供电局

Inventor： 徐肖庆 ,  郑晓泉 ,  肖德健 ,  朱宁 ,  陈永琴 ,  韦瑞峰 ,  胡昌斌

IPC: G06N3/00 ,  G06N3/08 ,  G01N33/00

CPC classification number: G06N3/006 ,  G01N33/0004 ,  G06N3/086

Abstract: 基于改进粒子群优化神经网络的变压器故障诊断方法，步骤如下：首先，获取变压器油中溶解气体相关数据与变压器故障信息作为样本数据，并用降半正态分布评分模型对油中溶解气体数据进行预评估；其次，确定神经网络的网络结构；然后，用改进的粒子群算法优化神经网络的参数；再用预评估后的样本数据对参数优化后的神经网络进行训练，得到最终的神经网络模型；最后，用该神经网络模型处理待评估的变压器数据，便会诊断出变压器的故障类型；本发明方法可以降低原始数据冗余信息的干扰，提高评估数据的有效性；同时加快神经网络训练时的收敛速度、提高参数寻优的搜索能力，并最终提高变压器故障诊断的准确率和可靠度。