[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

摘要

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。

主权项

1.一种基于自编码网络的变压器局部放电模式识别方法，其特征在于，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：3.1)设置模拟退火‑头脑风暴混合优化算法的参数，算法参数主要包括：初始个体数NP，最大迭代次数KI_max，概率参数P₁、P₂、P₃、P₄，聚类的个数n_c，初始温度t₀；3.2)根据初始化隐层数、隐层节点和权值公式生成NP个满足约束条件的随机分布隐层数、隐层节点和权值；3.3)生成并更新NP个权值；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，具体过程如下：4.1)生成并更新NP个新的隐层数和隐层节点；4.2)进行迭代搜索寻优，当达到设置好的收敛精度或最大迭代次数时，输出最优的隐层数、隐层节点和相应的权值，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：式(15)中，A为待识别数据的正确分类个数，s为总体待识别数据的个数，能够直观的计算出局部放电信号数据的识别率。