[发明专利]基于绝缘油在线监测的配电变压器继电保护方法及装置

权利要求书

1.一种基于绝缘油在线监测的配电变压器继电保护方法，其特征在于，所述方法包括：

基于设置在配电变压器上的数据采集传感器进行实时数据采集，获得所述配电变压器的实时采集数据，所述实时采集数据包括实时压力数据、实时温度数据及实时绝缘油液位数据；

将所述配电变压器的实时采集数据进行标记处理，并将标记的所述配电变压器的实时采集数据上传至云端服务器中进行存储；

基于预设间隔时间段在所述云端服务器的存储器中提取配电变压器的标记实时采集数据；

基于提取标记实时采集数据中的实时压力数据和实时温度数据构建特征数据；

将构建的数据特征输入训练收敛的深度神经网络模型中进行绝缘油液位预测处理，获得输出绝缘油液位数据；

利用所述输出绝缘油液位数据与所述标记实时采集数据中的实时绝缘油液位数据进行对比处理，获得对比结果；

基于所述对比结果对所述配电变压器进行继电保护控制处理。

2.根据权利要求1所述的配电变压器继电保护方法，其特征在于，所述基于设置在配电变压器上的数据采集传感器进行实时数据采集，获得所述配电变压器的实时采集数据，包括：

基于设置在所述配电变压器上的压力传感器、温度传感器和液位传感器进行实时数据采集，获得所述配电变压器中的实时压力数据、实时温度数据及实时绝缘油液位数据。

3.根据权利要求1所述的配电变压器继电保护方法，其特征在于，所述将所述配电变压器的实时采集数据进行标记处理，并将标记的所述配电变压器的实时采集数据上传至云端服务器中进行存储，包括：

对所述配电变压器的实时采集数据按照配电变压器的ID及采集时间进行标记处理，获得标记的实时采集数据；

基于无线数据传输技术将标记的实时采集数据上传至所述云端服务器；

在所述云端服务器接收到标记的实时采集数据时，按照标记的配电变压器ID及采集时间顺序在所述云端服务器的存储器中进行存储。

4.根据权利要求1所述的配电变压器继电保护方法，其特征在于，所述基于提取标记实时采集数据中的实时压力数据和实时温度数据构建特征数据，包括：

对提取标记实时采集数据中的实时压力数据和实施温度数据进行归一化处理，获得归一化的实时压力数据和实施温度数据；

将归一化的实时压力数据和实施温度数据进行矩阵构建处理，形成N行2列的特征矩阵；

其中，N行表示提取标记实时采集数据的组数，N为大于等于1的整数。

5.根据权利要求1所述的配电变压器继电保护方法，其特征在于，所述训练收敛的深度神经网络模型的训练过程，包括：

构建深度神经网络模型，基于深度置信网络对所述深度神经网络模型进行初始化，获得初始化后的深度神经网络模型；

利用运行正常的配电变压器的历史压力数据、历史温度数据和历史绝缘油液位数据作为训练样本数据集；

将所述训练样本数据集按照预设比例划分为训练数据集和测试数据集；

将所述训练数据集构建成训练特征矩阵输入初始化后的深度神经网络模型进行训练处理，获得训练后的深度神经网络模型；

利用所述测试数据集对训练后的深度神经网络模型进行测试处理，获得测试结果；

基于所述测试结果判断训练后的深度神经网络模型是否训练收敛，若收敛，则获得训练收敛的深度神经网络模型；

若不收敛，则利用反向传播算法对训练后的深度神经网络模型各层的节点参数进行修改，并返回训练，直至收敛或达到训练次数阈值为止。

6.根据权利要求5所述的配电变压器继电保护方法，其特征在于，所述深度置信网络构建，包括：

构建受限玻尔兹曼机，利用所述受限玻尔兹曼机通过逐层训练和堆叠获得所述深度置信网络。