[发明专利]基于堆栈稀疏降噪自动编码网络的变压器故障诊断方法

权利要求书

1.一种基于堆栈稀疏降噪自动编码网络的变压器故障诊断方法，其特征在于，包括：

步骤1：构建基于SSDAE的变压器故障诊断模型；

步骤2：获取模型的训练集和测试集；

步骤3：对训练集数据和测试集数据进行无编码比值，获得模型的输入数据；

步骤4：对模型进行预训练，实现模型参数的初始化；

步骤5：优化模型参数，获得优化后的模型；

步骤6：使用测试集数据的无编码比值测试SSDAE模型的准确度，若准确度满足预设要求，则执行步骤7，否则，返回步骤4；

步骤7：使用完成训练的SSDAE模型进行变压器故障诊断，输出故障诊断结果。

2.根据权利要求1所述的一种基于堆栈稀疏降噪自动编码网络的变压器故障诊断方法，其特征在于，所述的基于SSDAE的变压器故障诊断模型包括堆栈稀疏降噪自动编码网络SSDAE和Softmax分类器；所述的降噪自动编码网络SSDAE的输出端与Softmax分类器的输入端相连。

3.根据权利要求2所述的一种基于堆栈稀疏降噪自动编码网络的变压器故障诊断方法，其特征在于，所述的SSDAE网络是将多个SDAE网络堆叠起来形成的深度学习神经网络；

使用表示第二层第j个神经元的激活值；

使用表示第二层第j个隐藏神经元在训练集上的平均活跃度；

使用ρ表示稀疏性参数，令对神经元的稀疏性进行限制；

SDAE网络的总体代价函数为：

其中，m为训练样本集的数量；n为训练样本的维度，为交叉熵代价函数，且β为控制稀疏性惩罚因子的权重，为KL散度，w和w'分别为m×n维编码权值矩阵和m×n维解码权值矩阵，s₂为隐藏层中隐藏神经元的个数，j为隐藏层中的神经元。

4.根据权利要求2所述的一种基于堆栈稀疏降噪自动编码网络的变压器故障诊断方法，其特征在于，所述的SSDAE网络的隐藏层数量为四层。

5.根据权利要求1所述的一种基于堆栈稀疏降噪自动编码网络的变压器故障诊断方法，其特征在于，所述的无编码比值包括CH₄/H₂、C₂H₄/C₂H₂、C₂H₄/C₂H₆、C₂H₂/(C₁+C₂)、H₂/(H₂+C₁+C₂)、C₂H₄/(C₁+C₂)、CH₄/(C₁+C₂)、C₂H₆/(C₁+C₂)和(C₂H₄+CH₄)/(C₁+C₂)，其中C₁为一阶碳氢化合物，C₂为二阶碳氢化合物。

6.根据权利要求1所述的一种基于堆栈稀疏降噪自动编码网络的变压器故障诊断方法，其特征在于，所述的训练集包括无标签训练数据和带标签训练数据；所述的步骤4使用训练集中无标签训练数据对模型进行预训练；所述的步骤5使用训练集中带标签训练数据优化模型参数。

7.根据权利要求1所述的一种基于堆栈稀疏降噪自动编码网络的变压器故障诊断方法，其特征在于，所述的步骤4具体为：

使用训练集中的无标签训练数据，采取从上到下逐层贪婪训练法完成对模型每一层的预训练，实现网络参数的初始化。