[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

说明书

本发明公开了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，包括：首先对采集的特征气体数据进行预处理，确定深度置信网络模型的隐含层层数、学习率等，构建深度置信网络模型；利用麻雀搜索法对深度置信网络的隐含层节点数、迭代次数进行寻优，将麻雀种群矩阵转换为深度置信网络待优化问题矩阵，根据麻雀的觅食和反捕食行为更新麻雀个体的位置，最终获得更适合深度置信网络模型的隐含层节点数和迭代次数。本发明的优点是：能够克服深度置信网络隐含层节点数、迭代次数设置困难，缩短试验调试周期，实现更高准确率的变压器故障诊断要求。

技术领域

本发明涉及变压器故障诊断技术领域，特别涉及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。

背景技术

变压器作为电力系统的核心设备，在电能传输和电压等级变换等方面发挥着重要作用。变压器内部故障具有一定的隐蔽性、复杂性，因此，实现变压器快速、准确的故障诊断对保证电网安全、稳定运行尤为重要。变压器发生内部故障时不同的故障类型，绝缘油中溶解特征气体氢气(H₂)、甲烷(CH₄)、乙烷(C₂H₆)、乙烯(C₂H₄)和乙炔(C₂H₂)的种类、含量不同，以油中溶解气体分析法为基础通过分析绝缘油中溶解的五种特征气体情况，可实现变压器故障诊断。

深度置信网络具有较强的特征提取能力且不易陷入局部极小值，但其在模型建立时参数设置困难，尤其是隐含层节点数和迭代次数的设置，由于它们没有特定的设置规则且参数间相互影响，故需要耗费大量的时间以确定适合的变压器故障诊断模型。为此，提出一种麻雀搜索法优化深度置信网络的变压器故障。

发明内容

本发明针对现有技术的缺陷，提供了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。

为了实现以上发明目的，本发明采取的技术方案如下：

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，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。