[发明专利]基于麻雀搜索法优化深度置信网络的变压器故障诊断方法

权利要求书

1.一种基于麻雀搜索法优化深度置信网络的变压器故障诊断方法，其特征在于，包括以下步骤：

步骤1：搜集变压器不同运行情况下绝缘油中溶解特征气体的含量；

步骤2：构建深度置信网络网络模型并对模型参数初始化设置；

步骤3：将麻雀种群矩阵转化为待优化参数——隐含层节点数和迭代次数的矩阵，并初始化麻雀种群；

步骤4：将错误率作为适应度函数，错误率越小表示适应度值越好；

步骤5：利用初始参数预训练深度置信网络模型，计算麻雀种群的适应度值并排序，适应度值较好的为麻雀种群中的发现者，适应度值较差的为麻雀种群中加入者，侦察者随机分布于麻雀种群中；

步骤6：更新麻雀种群中发现者、加入者和侦察者的位置；

步骤7：计算更新位置后的发现者、加入者和侦察者的适应度值，如果新位置的适应度值优于上一次迭代的适应度值，则进行麻雀最优位置更新，否则不进行更新，继续迭代直至满足条件，最终获得麻雀最优位置和适应度值；

步骤8：输出最优位置即为优化后得到的隐含层节点数和迭代次数，将优化后确定的参数赋予深度置信网络模型，确定最终的深度置信网络模型；

步骤9：将数据训练集用于训练深度置信网络，得到麻雀搜索法优化后的深度置信网络模型，利用测试集测试优化后的深度置信网络的变压器故障诊断准确率。

2.根据权利要求1所述的一种基于麻雀搜索法优化深度置信网络的变压器故障诊断方法，其特征在于：对步骤1中特征气体包括：氢气H₂、甲烷CH₄、乙烷C₂H₆、乙烯C₂H₄和乙炔C₂H₂，并对特征气体含量进行归一化处理，所述变压器不同运行情况包括：正常运行、低温过热、中温过热、高温过热、局部放电、低能放电和高能放电。

3.根据权利要求1所述的一种基于麻雀搜索法优化深度置信网络的变压器故障诊断方法，其特征在于：步骤2中设置隐含层层数为两层，预训练学习率为0.001，反向微调学习率为0.001，训练批量为50。

4.根据权利要求1所述的一种基于麻雀搜索法优化深度置信网络的变压器故障诊断方法，其特征在于：步骤3中矩阵行数表示麻雀种群的总数，列数由待优化参数的个数决定，因此麻雀种群的每列依次表示第一层隐含层节点数、第二层隐含层节点数和迭代次数；设置麻雀种群总数、种群迭代次数以及发现者占比，隐含层节点区间范围，迭代次数区间范围。

5.根据权利要求1所述的一种基于麻雀搜索法优化深度置信网络的变压器故障诊断方法，其特征在于：步骤4中适应度函数表示为：

式中：y_i为预测故障类型；为实际故障类型；N为样本数；sum为诊断结果相同的个数。

6.根据权利要求1所述的一种基于麻雀搜索法优化深度置信网络的变压器故障诊断方法，其特征在于：步骤6的具体子步骤如下：

步骤6.1发现者位置更新公式为：

式中，为第t次迭代时，第i只麻雀在j维空间的位置；T为最大迭代次数；Q为服从正态分布的随机数；L为矩阵元素均为1的1*d阶矩阵；R₂为警报值，区间取值为[0,1]；ST为警报阈值即安全值，区间取值为[0.5,1]；α为区间在[0,1]的随机数；

步骤6.2加入者位置更新公式为：

式中，为第t次迭代时，全局最差的位置；为第t+1次迭代时，发现者的最优位置；A为矩阵元素均为1或-1的1*d阶矩阵，其中A⁺＝A^T(AA^T)^-1；

步骤6.3侦查者位置更新公式为：

式中，为当前全局最优位置；β为步长控制参数，服从标准正态分布的随机数；ε为不为零的极小值；K为麻雀移动方向，取值区间[-1,1]；f_i为第i只麻雀的适应度值；f_w为当前全局最差的适应度值；f_g为当前全局最优的适应度值。