公开(公告)号：CN111563348A

公开(公告)日：2020-08-21

申请号：CN202010280306.2

申请日：2020-04-10

Applicant: 西安工程大学

Inventor： 蒋波涛 ,  徐鹏 ,  徐新 ,  蒋卫涛

IPC: G06F30/27 ,  G06N20/10 ,  G06N3/00 ,  G06N3/08

Abstract: 本发明公开了一种基于深度支持向量机的变压器故障诊断方法，包括以下步骤：(1)对收集到的电力变压器油中溶解气体进行分析得到特征气体组分体积分数的原始数据，将原始数据的70％作为训练集，剩余30％作为测试集，用于测试得到的故障诊断模型的准确率；(2)将原始数据进行归一化处理；(3)将步骤(2)中得到的归一化数据，利用灰狼算法对支持向量机参数进行优化，得到变压器故障诊断的最优参数，通过深度学习中的受限玻尔兹曼机对支持向量机模型Mr进行训练，得到变压器故障诊断的最优模型。该方法既可以进一步提高变压器故障诊断的效率又能有效增加故障诊断的准确率。

公开(公告)号：CN111563348B

公开(公告)日：2023-04-18

申请号：CN202010280306.2

申请日：2020-04-10

Applicant: 西安工程大学

Inventor： 蒋波涛 ,  徐鹏 ,  徐新 ,  蒋卫涛

IPC: G16C20/20 ,  G16C20/70 ,  G06F18/2411 ,  G06F18/2413 ,  G06F18/15 ,  G06F18/21 ,  G06F18/214 ,  G06N3/006 ,  G06N3/044 ,  G06N3/047 ,  G06N3/0475

Abstract: 本发明公开了一种基于深度支持向量机的变压器故障诊断方法，包括以下步骤：(1)对收集到的电力变压器油中溶解气体进行分析得到特征气体组分体积分数的原始数据，将原始数据的70％作为训练集，剩余30％作为测试集，用于测试得到的故障诊断模型的准确率；(2)将原始数据进行归一化处理；(3)将步骤(2)中得到的归一化数据，利用灰狼算法对支持向量机参数进行优化，得到变压器故障诊断的最优参数，通过深度学习中的受限玻尔兹曼机对支持向量机模型Mr进行训练，得到变压器故障诊断的最优模型。该方法既可以进一步提高变压器故障诊断的效率又能有效增加故障诊断的准确率。

公开(公告)号：CN112331274A

公开(公告)日：2021-02-05

申请号：CN202010151420.5

申请日：2020-03-06

Applicant: 西安工程大学

Inventor： 蒋波涛 ,  徐新 ,  徐鹏 ,  蒋卫涛

IPC: G16C20/30 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了基于相重构和神经网络的变压器油中溶解气体预测方法，首先采集变压器油中溶解气体其中的一种气体积数据的时间序列；然后将采集的气体体积数据的时间序列进行归一化处理；归一化处理后的气体体积数据的时间序列进行相空间重构，得到气体体积数据的时间序列相空间重构矩阵；利用气体体积数据的时间序列相空间重构矩阵对BP神经网络进行训练；最后用训练好的BP神经网络时间序列预测模型预测该气体含量，重复上述步骤对其余特征气体进行预测；这种预测方法在相同的工况下具有更小的误差值，而且其预测结果也更接近实验值。