一种基于DBSCAN的变压器故障诊断方法

    公开(公告)号:CN111413558A

    公开(公告)日:2020-07-14

    申请号:CN202010147126.7

    申请日:2020-03-05

    IPC分类号: G01R31/00 G01N30/02

    摘要: 本发明公开了一种基于DBSCAN的变压器故障诊断方法,包括如下步骤:S1:收集n条故障类型已知的典型变压器油色谱数据序列X={x1,x2,x3,x4,x5,x6};S2:对故障变压器数据进行标准化处理,减少故障油色谱数据列具体数值差别,保证每个数据都具有同续性和等效性,获得标准化变压器数据矩阵Y=(yij)n×6;S3:计算各个故障类型的标准化数据之间的距离;获得距离数据矩阵D=(dij)n×n;S4:运用DBSCAN进行故障变压器数据聚类;S5:变压器故障诊断:分别将各个待诊断数据标准化后加入已知故障数据矩阵Y,求出待诊断数据的所属的故障类型的簇,即为运用本文方法诊断出的故障类型。该方法应用到变压器故障诊断中能够较全面的反应变压器内部发生的故障。

    一种电力设备图像中多类部件的自动识别方法

    公开(公告)号:CN110309843B

    公开(公告)日:2022-12-02

    申请号:CN201910106759.0

    申请日:2019-02-02

    摘要: 本发明为一种电力设备图像中多类部件的自动识别方法,采用已标注部件类别和位置的训练图像集对SSD模型和SVM模型进行训练。然后,对每一幅待识别的电力设备图像进行预处理,将图像数值化,再采用SSD模型,初步预测出电力设备图像中可能包含待识别部件的若干个框。最后,采用SVM模型,对SSD模型的初步识别结果进行修正,再根据每个框的概率修正值,筛选出包含待识别部件的框,并重复上述过程直至识别出图像中所有待识别部件。本发明的方法结合了单镜头检测器模型对图像特征的深层次提取优势和支持向量机模型利用已识别部件对未识别部件预测结果进行修正的准确性优势,在电力设备图像中多类部件的自动识别上具有准确性和可行性。