公开(公告)号：CN106597154B

公开(公告)日：2019-09-24

申请号：CN201611125041.9

申请日：2016-12-08

Applicant: 西安工程大学

Inventor： 黄新波 ,  魏雪倩 ,  张烨 ,  朱永灿 ,  李弘博 ,  胡潇文 ,  王海东

IPC: G01R31/00

Abstract: 本发明公开的基于DAG‑SVM的变压器故障诊断提升方法：对所采集的油浸式变压器带有类标签的样本集每一类按3：1比例分为：训练样本和测试样本；从训练样本中有放回的抽取数量小于原训练样本的T个新的训练样本集训练SVM模型，得到T个弱学习器，即得到一组决策函数序列；利用正常状态、中温过热、高温过热、局部放电、火花放电及电弧放电这6种类别标签及所获取的决策函数序列建立T个DAG‑SVM分类树模型；利用得到的T个DAG‑SVM分类树模型分别进行故障诊断。本发明基于DAG‑SVM的变压器故障诊断提升方法，将DAG‑SVM算法进行Bagging集成，有效提高了故障预测精度。

公开(公告)号：CN109270442A

公开(公告)日：2019-01-25

申请号：CN201810954033.8

申请日：2018-08-21

Applicant: 西安工程大学

Inventor： 黄新波 ,  胡潇文 ,  朱永灿 ,  王钧立 ,  蒋卫涛 ,  许艳辉

IPC: G01R31/327 ,  G06K9/62 ,  G06N3/12

CPC classification number: G01R31/3275 ,  G06K9/6268 ,  G06N3/126

Abstract: 本发明公开的基于DBN-GA神经网络的高压断路器故障检测方法，具体按照如下过程：将在线监测系统监测的电流数据，作为输入变量；然后，利用基于深度信念神经网络的深度学习算法构建故障类型预测模型，确定限制玻尔兹曼机模型，记为RBM，将一部分电流数据样本提取到构建该模型并进行训练；经过对受限玻尔兹曼机的训练后，对整个深度信念神经网络模型进行训练学习；最后将所有的数据输入到训练好的故障类型预测模型中，由故障类型预测模型对输入的分合闸线圈电流数据进行处理，完成对高压断路器故障检测。本发明公开的方法在弥补人工神经网络检测的不足的同时，能更加准确有效地判断断路器的故障类型，进而能够有效率的检修。

公开(公告)号：CN107644127A

公开(公告)日：2018-01-30

申请号：CN201710806025.4

申请日：2017-09-08

Applicant: 西安工程大学

Inventor： 黄新波 ,  马玉涛 ,  朱永灿 ,  胡潇文 ,  杨璐雅 ,  王宁

IPC: G06F17/50 ,  G06K9/62 ,  G06N3/00

Abstract: 本发明公开了基于IMABC优化支持向量机的变压器故障诊断方法，步骤1、将采集的油浸式变压器带有类标签的样本集S＝{(x1,y2),(x2,y2)…(xn,yn)}分为训练样本和测试样本；xi代表样本属性，包含氢气、甲烷、乙烷、乙烯、乙炔五种属性；yi代表类别标签，1、2、3、4、5、6分别对应正常状态、中温过热、高温过热、局部放电、火花放电、电弧放电；步骤2、提出一种改进人工蜂群算法，将种群分类和基因突变融入该人工蜂群算法，优化支持向量机的参数；步骤3、将Ci和σi作为支持向量机的优化参数，建立多级支持向量机故障诊断模型，利用步骤1中的数据进行变压器的故障诊断。本发明的变压器故障诊断方法能有效优化支持向量机的参数，提高了进行二分类时的准确率。

公开(公告)号：CN106291351A

公开(公告)日：2017-01-04

申请号：CN201610835299.1

申请日：2016-09-20

Applicant: 西安工程大学

Inventor： 黄新波 ,  胡潇文 ,  魏雪倩 ,  李弘博 ,  周岩 ,  高华 ,  李志文

IPC: G01R31/327

CPC classification number: G01R31/3275

Abstract: 本发明公开的基于卷积神经网络算法的高压断路器故障检测方法：磁平衡式霍尔电流传感器分别与断路器分合闸线圈、数据处理系统连接构建出分合闸线圈电流在线监测系统，用分合闸线圈电流在线监测系统实时监测得到的分合闸线圈电流数据；用基于卷积神经网络的深度学习算法构建故障类型预测模型，将部分分合闸线圈电流数据输入到构建故障类型预测模型中进行训练；将部分分合闸线圈电流数据输入到训练好的故障类型预测模型中，由故障类型预测模型对输入的分合闸线圈电流数据进行处理，完成对高压断路器故障检测。本发明的高压断路器故障检测方法采用卷积神经网络分析故障特征信号，在弥补人工神经网络检测的不足的同时，能更准确判断断路器的故障类型。

公开(公告)号：CN107450016A

公开(公告)日：2017-12-08

申请号：CN201710606880.0

申请日：2017-07-24

Applicant: 西安工程大学

Inventor： 黄新波 ,  胡潇文 ,  魏雪倩 ,  马玉涛 ,  王宁 ,  李志文 ,  王享

IPC: G01R31/327

CPC classification number: G01R31/3275

Abstract: 本发明公开的基于RST-CNN的高压断路器故障诊断方法：将高压断路器的断路器分合闸线圈与分合闸线圈电流在线监测系统连接，用分合闸线圈电流在线监测系统实时监测，得到分合闸线圈电流波形；对分合闸线圈电流波形进行特征采集，得到故障特征信息表，用故障特征数据建立条件属性表、决策属性表，据条件属性表和决策属性表构建故障诊断决策表；用粗糙集理论对各个属性进行评价并寻找最小属性集，消除特征信息中的冗余属性，对其条件属性约简特征信息并从中提取决策规则，构建约简决策表；将约简决策表中的约简特征信息作为卷积神经网络的输入，经过训练学习后输出故障类型。本发明的高压断路器故障诊断方法，能准确判断断路器的故障类型。

公开(公告)号：CN107679615B

公开(公告)日：2020-06-19

申请号：CN201710791842.7

申请日：2017-09-05

Applicant: 西安工程大学

Inventor： 黄新波 ,  魏雪倩 ,  胡潇文 ,  王海东 ,  马玉涛 ,  王宁

IPC: G06N3/00 ,  G01R31/00

Abstract: 本发明公开了基于改进遗传算法的变压器样本选择方法，具体按照以下步骤实施：步骤1、对训练样本进行二进制编码，并进行种群初始化，设置最大迭代数T，种群规模为N；步骤2、经步骤1后，将种群分为个体为n的子种群，称为探测块，在进化过程中产生一个包含较好个体的种群，称为开发块，将开发块与探测块结合对变压器样本进行选择；步骤3、待步骤2完成后，利用文化算法对多种群遗传算法进行改进提升，在相应的进化操作之下得到最终适应度最大的个体，完成基于改进遗传算法的变压器样本选择。本发明基于改进遗传算法的变压器样本选择方法，利用多种群遗传算法对变压器进行训练样本选优，并利用文化算法对其进行改进，能获得最佳样本。

公开(公告)号：CN107656152B

公开(公告)日：2019-11-26

申请号：CN201710791918.6

申请日：2017-09-05

Applicant: 西安工程大学

Inventor： 黄新波 ,  魏雪倩 ,  胡潇文 ,  王海东 ,  马玉涛 ,  王宁

IPC: G01R31/00 ,  G06N3/08

Abstract: 本发明公开了一种基于GA‑SVM‑BP变压器故障诊断方法，对所采集的油浸式变压器带有类标签的样本集S＝{(x1,y1),(x2,y2),...(xn,yn)}每一类按3：1比例分为训练样本和测试样本；xi代表样本属性，包含氢气、甲烷、乙烷、乙烯、乙炔五种属性，yi代表类别标签1、2、3、4、5、6，分别对应正常状态、中温过热、高温过热、局部放电、火花放电、电弧放电；先建立DAG‑SVM变压器故障诊断模型、BP神经网络，再建立GA‑DAG‑SVM模型与GA‑BP神经网络；将GA‑DAG‑SVM模型与GA‑BP神经网络进行结合，对变压器进行故障诊断。本发明方法能对变压器故障进行准确诊断。

公开(公告)号：CN106645276B

公开(公告)日：2019-06-21

申请号：CN201610872116.3

申请日：2016-09-30

Applicant: 西安工程大学

Inventor： 黄新波 ,  高华 ,  朱永灿 ,  郑心心 ,  崔运涛 ,  胡潇文 ,  周岩 ,  李志文

IPC: G01N25/20

Abstract: 本发明公开了一种覆冰导线冰柱表面局部换热系数的测量装置，包括控制器，控制器上分别连接有环境温度湿度采集模块、看门狗模块、电源模块、通信模块、EEPROM模块、信号采集电路，信号采集电路与多通道温度传感器连接，多通道温度传感器的多个端子等间距的连接在冰柱表面缠绕的铝丝上。本发明还公开了利用上述装置测量冰柱表面局部换热系数的方法。本发明一种覆冰导线冰柱表面局部换热系数的测量装置及测量方法，可以灵活、快速、精确的得到冰柱表面的换热系数。

公开(公告)号：CN107679615A

公开(公告)日：2018-02-09

申请号：CN201710791842.7

申请日：2017-09-05

Applicant: 西安工程大学

Inventor： 黄新波 ,  魏雪倩 ,  胡潇文 ,  王海东 ,  马玉涛 ,  王宁

IPC: G06N3/00 ,  G01R31/00

CPC classification number: G06N3/006 ,  G01R31/00

Abstract: 本发明公开了基于改进遗传算法的变压器样本选择方法，具体按照以下步骤实施：步骤1、对训练样本进行二进制编码，并进行种群初始化，设置最大迭代数T，种群规模为N；步骤2、经步骤1后，将种群分为个体为n的子种群，称为探测块，在进化过程中产生一个包含较好个体的种群，称为开发块，将开发块与探测块结合对变压器样本进行选择；步骤3、待步骤2完成后，利用文化算法对多种群遗传算法进行改进提升，在相应的进化操作之下得到最终适应度最大的个体，完成基于改进遗传算法的变压器样本选择。本发明基于改进遗传算法的变压器样本选择方法，利用多种群遗传算法对变压器进行训练样本选优，并利用文化算法对其进行改进，能获得最佳样本。

公开(公告)号：CN107656152A

公开(公告)日：2018-02-02

申请号：CN201710791918.6

申请日：2017-09-05

Applicant: 西安工程大学

Inventor： 黄新波 ,  魏雪倩 ,  胡潇文 ,  王海东 ,  马玉涛 ,  王宁

IPC: G01R31/00 ,  G06N3/08

Abstract: 本发明公开了一种基于GA-SVM-BP变压器故障诊断方法，对所采集的油浸式变压器带有类标签的样本集S＝{(x1,y1),(x2,y2),…(xn,yn)}每一类按3：1比例分为训练样本和测试样本；xi代表样本属性，包含氢气、甲烷、乙烷、乙烯、乙炔五种属性，yi代表类别标签1、2、3、4、5、6，分别对应正常状态、中温过热、高温过热、局部放电、火花放电、电弧放电；先建立DAG-SVM变压器故障诊断模型、BP神经网络，再建立GA-DAG-SVM模型与GA-BP神经网络；将GA-DAG-SVM模型与GA-BP神经网络进行结合，对变压器进行故障诊断。本发明方法能对变压器故障进行准确诊断。