[发明专利]基于人工神经网络的变压器油中溶解气体在线监测数据矫正方法

权利要求书

1.一种基于人工神经网络的变压器油中溶解气体在线监测数据矫正方法，包括如下步骤：

(1)采集变压器设备在相同时间范围内的带电检测数据f(t)与在线监测数据O(t)，并将在线监测数据O(t)分为系统趋势序列O_s(t)和随机波动序列O_u(t)，对系统趋势序列O_s(t)进行处理，得到数据点序列

(2)将数据点序列作为人工神经网络的输入，带电检测数据f(t)作为人工神经网络的真值标签，对人工神经网络进行训练，得到矫正模型以及真值标签与真实输出值的误差序列e(t)；

(3)将在线监测数据的系统趋势序列O_s(t)输入到矫正模型中，经矫正模型计算得到系统趋势序列O_s(t)的矫正序列O_s′(t)；

(4)对误差序列e(t)进行线性插值处理，得到时间间隔与在线监测数据O(t)相同且时间点相对应的误差序列e′(t)；

(5)在线监测数据O(t)的矫正数据O′(t)由公式

O′(t)＝O′_s(t)+O_u(t)+e′(t)

计算得到。

2.如权利要求1所述的基于人工神经网络的变压器油中溶解气体在线监测数据矫正方法，其特征在于，所述步骤(1)的具体步骤为：

(1-1)利用变压器油中溶解气体的带电检测技术获取设备在一定时间范围内的特征气体含量数据，作为该设备的带电检测数据，记为f(t)；同时，利用变压器油中溶解气体的在线监测装置获取设备在相同时间范围内的特征气体含量数据，作为该设备的在线监测数据，记为O(t)；

(1-2)采用集合经验模式分解方法将在线监测数据O(t)分为用于刻画在线监测数据的趋势特征的系统趋势序列O_s(t)和用于刻画在线监测数据的波动特征的随机波动序列O_u(t)两个部分；

(1-3)将在线监测数据O(t)＝O_s(t)+O_u(t)与带电检测数据f(t)的时间点逐一对应，并找出系统趋势序列O_s(t)中与带电检测数据f(t)相对应的数据点序列