[发明专利]一种基于自编码网络的变压器局部放电模式识别方法

说明书

本发明公开了一种基于自编码网络的变压器局部放电模式识别方法，步骤包括：步骤1、对收集的局部放电信号数据进行处理；步骤2、选择自编码网络作为网络模型；步骤3、利用模拟退火‑头脑风暴混合优化算法对自编码网络的权值进行训练；步骤4、利用头脑风暴优化算法对自编码网络的隐层数和隐层节点进行优化，从而得到训练好的网络；步骤5、将待识别数据输入到训练好的网络中，利用训练好的网络对待识别数据进行分类；步骤6、计算待识别数据的识别率。本发明方法，具有较好的识别精度，还节省时间和人力，提高了网络的通用性。

技术领域

本发明属于电力设备监测技术领域，涉及一种基于自编码网络的变压器局部放电模式识别方法。

背景技术

电气设备是电力系统的主要组成部分，如果电气设备发生故障，就会造成巨大的损失。随着科技的发展，电力系统的功能变得复杂，实现了更高的自动化。由于电气设备的功能和性能提高，其影响因素增多，因此发生故障的可能性也随之增加。单个故障部件会引起连锁反应，从而导致电力系统不能正常运行，因此电力系统必须确保电气设备的正常运行。

变压器是电力系统关键设备之一，具有电能转换和分配的功能，其造价高、结构复杂，如果变压器发生故障，会导致电力系统的不能正常运行，从而给人们生活带来不便，并且也会造成巨大的经济损失，因此变压器正常安全的运行对电力系统的正常运行具有重要的作用。变压器发生故障的原因有很多，比如人为的破坏、环境的影响、变压器自身的损耗等等，其中变压器自身的损耗即长期运行造成的绝缘劣化是变压器发生故障的主要原因。

局部放电对变压器的绝缘性能危害严重，其主要表现为：带电粒子对分子结构进行撞击，破坏甚至损坏绝缘；由于粒子在撞击过程中产生大量的热，使得绝缘温度骤升；在放电过程中产生大量的氧化物，而氧化物遇水发生化学反应即产生硝酸，造成绝缘发生腐蚀现象；肖特基辖射导致油分解，从而使得其散热性能下降，这些表现都是长期缓慢的过程。变压器绝缘劣化的原因和表现形式是局部放电。然而局部放电种类不同，造成的绝缘损坏也不同，因此，对局部放电进行模式识别能够快速准确的判断局部放电的类型，对变压器的正常运行具有至关重要的意义。

由于现今监测系统获取的海量数据，致使局部放电监测进入“大数据”时代，而传统的人工特征提取方法和浅层神经网络对局部放电信号的识别非常困难甚至不可实现，因此研究和利用先进的理论与方法，从局部放电大数据中提取特征，并准确进行识别成为变压器局部放电面临的新问题。

发明内容

本发明的目的在于提供一种基于自编码网络的局部放电模式识别方法，摆脱现有研究仅应用实验数据进行模式识别的桎梏，在充分利用复杂的现场局部放电数据的条件下，进行局部放电模式识别，使之更适用于当今存在海量数据的工程实践。

本发明的技术方案为，一种基于自编码网络的变压器局部放电模式识别方法，按照以下步骤实施：

步骤1、对收集的局部放电信号数据进行处理

采用非线性滤波方法对原始数据进行处理，消除干扰的随机信号；确定网络的测试数据和验证数据，以及其分类的类型，即数据表示为{(x⁽¹⁾,X⁽¹⁾),...,(x^(m),X^(m))}或未带标签的数据{x⁽¹⁾,x⁽²⁾,...,x^(m)}，其中m为数据个数，第i个数据为x⁽ⁱ⁾，其标签为X⁽ⁱ⁾∈{1,2,...,k}，k为类别数；确定数据的特征数即维度；

步骤2、选择自编码网络作为网络模型，

2.1)由于堆栈自编码机不具有分类特性，故将堆栈自编码机与分类器结合，构建新的自编码网络；

2.2)确定自编码网络的目标函数；

步骤3、利用模拟退火-头脑风暴混合优化算法对自编码网络的权值进行训练，具体过程如下：