一种基于图时空神经网络的变压器故障预测方法

    公开(公告)号:CN114358159A

    公开(公告)日:2022-04-15

    申请号:CN202111607551.0

    申请日:2021-12-27

    Abstract: 本发明涉及一种基于图时空神经网络建模的变压器故障预测方法,包括:将变压器的油中溶解气体的时序数据输入训练好的图时空神经网络,输出变压器的预测故障类别;图时空神经网络包括图学习层、标准卷积层、时空信息提取模块和softmax层,时空信息提取模块包括若干个图卷积层和时序卷积层,若干个空间特征信息和时序卷积层交错连接,图学习层分别与各层图卷积层连接;预测故障类别的输出过程包括:将时序数据作为节点嵌入,输入图学习层,生成邻接矩阵,将邻接矩阵分别输入各层图卷积层;时序数据依次经过标准卷积层、空信息提取模块和softmax层,获得变压器的预测故障类别。与现有技术相比,本发明具有准确性高、可解释性强等优点。

    一种考虑不平衡数据样本的变压器故障诊断方法及系统

    公开(公告)号:CN110133146A

    公开(公告)日:2019-08-16

    申请号:CN201910451726.X

    申请日:2019-05-28

    Abstract: 本发明公开了一种考虑不平衡数据样本的变压器故障诊断方法,包括步骤:100:采集变压器的油色谱样本数据,并对其进行预处理得到经过预处理的油色谱样本数据;200:构建并训练第一级分类器,其中采用经过预处理的油色谱样本数据对第一级分类器进行训练;基于第一级分类器输出的状态特征与油色谱样本数据得到特征融合向量;300:基于EasyEnsemble集成学习方法对第二级分类器进行训练,基于若干个第二级子分类器的输出合成第二级分类器;400:将需要诊断的变压器油色谱数据输入第一级分类器,则从第二级分类器的输出端输出该变压器油色谱数据表征的变压器状态。该变压器故障诊断方法相对于传统方法取得更准确且平衡的效果。

    一种高信噪比GIS局部放电试验设备

    公开(公告)号:CN110108994A

    公开(公告)日:2019-08-09

    申请号:CN201910464399.1

    申请日:2019-05-30

    Abstract: 本发明涉及一种高信噪比GIS局部放电试验设备,包括:试验腔体,第一电极、缺陷电极、第一特高频传感器、第二特高频传感器和示波器,试验腔体内设有用于将试验腔体内腔分为第一腔室和第二腔室的金属隔离板,第一电极和第一特高频传感器位于第一腔室中,缺陷电极和第二特高频传感器位于第二腔室中,第一电极和缺陷电极通过高压导线连接至同一高压源。与现有技术相比,本发明可避免外界干扰影响,实现缺陷电极特高频局部放电信号的高信噪比测量。

Patent Agency Ranking