【技术实现步骤摘要】
本专利技术涉及变压器故障诊断，具体为基于全频段多模态数据融合的配电变压器故障诊断方法。
技术介绍
1、在电力系统中，配电变压器的稳定运行至关重要，而故障诊断的准确性直接影响到电力供应的可靠性。传统的故障诊断方法往往依赖于单一的数据源，这限制了诊断的全面性和准确性。
2、利用概率神经网络（pnn）进行配电变压器故障诊断能够依据已有的标记数据来识别和分类故障类型。而这种方法在处理未知或少见故障模式时可能面临挑战，因为它们通常需要大量数据或更高级的模型来实现良好的泛化。此外，复杂的神经网络在训练和评估时对计算资源的需求较高，这可能限制了其在资源受限环境中的适用性。同时，对于需要快速响应的实时应用场景，这些模型的推断时间可能过长，无法满足即时性的需求。因此，研究如何优化pnn模型，以提高其泛化能力、降低资源消耗，并加快处理速度，对于提升全频段多模态数据下变压器故障诊断的效率和准确性具有重要作用。
技术实现思路
1、针对现有技术的不足，本专利技术提供了基于全频段多模态数据融合的配电变压器故障诊断方法，其目的在于解决
技术介绍
中的问题。
2、为实现上述目的，本专利技术提供如下技术方案：基于全频段多模态数据融合的配电变压器故障诊断方法，包括如下步骤：
3、步骤s1：收集变压器的不同特征图，包括声纹频谱图、特高频局部放电图谱、高频局部放电图谱以及超声波图谱；
4、步骤s2：采用卷积神经网络对收集的不同特征图进行特征提取，得到一维特征向量，将一维特征向量
5、步骤s3：对多源融合特征向量进行数据预处理，数据预处理后再进行归一化处理；
6、步骤s4：构建改进概率神经网络pnn；对改进概率神经网络的多项式阶数进行初始化设置；将归一化处理后的多源融合特征向量输入至初始化设置多项式阶数后的改进概率神经网络中进行训练，得到训练好的改进概率神经网络；
7、步骤s5：采用改进北极海鹦优化算法对训练好的改进概率神经网络的多项式阶数进行优化；采用优化后的改进概率神经网络进行变压器故障诊断；
8、采用改进北极海鹦优化算法对改进概率神经网络的多项式阶数进行优化的具体过程为：
9、步骤s5.11：设置改进北极海鹦优化算法的参数，包括海鹦个体的数量、搜索空间、总迭代次数，并引入logistic混沌映射初始化初始种群位置；
10、步骤s5.12：初始化当前迭代次数t=1，直到满足t>t，t表示总迭代次数，对每只海鹦个体进行适应度评估，计算出适应度最高的海鹦个体并记录位置和适应度值；
11、步骤s5.13：根据当前迭代次数和总迭代次数动态调整行为系数；当行为系数大于设定阈值c时，为全局搜索阶段；当行为系数小于或等于设定阈值c时，为局部搜索阶段；
12、步骤s5.14：当处于全局搜素阶段时，海鹦个体通过模拟空中搜索策略、俯冲捕食策略以及种群合并策略来更新自身位置；
13、步骤s5.15：当处于局部搜素阶段时，海鹦个体通过模拟集体觅食策略、加强搜索策略、逃避天敌策略以及种群融合策略来更新自身位置；
14、步骤s5.16：判断当前迭代次数是否为最大迭代次数，是，则输出最高适应度的海鹦个体位置作为改进概率神经网络的最优多项式阶数，否，则返回步骤s5.12重新迭代。
15、进一步的，改进概率神经网络的核函数表示为：
16、；
17、式中，表示改进多项式核函数；表示高斯核函数；表示权重参数；表示可调节参数；、表示从多源融合特征向量中分解出来计算的向量，用于衡量多源融合特征向量中不同特征向量直径的相关性；
18、改进多项式核函数表示为：
19、；
20、式中，表示缩放参数；表示偏置参数；表示阶数；表示的转置；
21、高斯核函数表示为：
22、；
23、式中，表示带宽参数。
24、进一步的，设置改进北极海鹦优化算法的参数，包括海鹦个体的数量、搜索空间、总迭代次数，并引入logistic混沌映射初始化初始种群位置，表示为：
25、；
26、式中，表示第次迭代产生的混沌值；表示控制参数，取值为[3.57,4]；表示第次迭代产生的混沌值；表示第次迭代后第只海鹦个体的位置；和分别表示搜索空间的上界和下界；表示海鹦个体的总数；
27、行为系数表示为：
28、；
29、式中，表示(0,1)中的随机数。
30、进一步的，模拟空中搜索策略，在空中搜索策略中引入动态调整levy飞行参数进行改进，表示为：
31、；
32、式中，表示从海鹦种群中随机选择的一个海鹦个体，为1到n-1之间的随机整数；表示动态调整levy飞行的步长；表示维数；表示符合标准正态分布的随机数；表示经过空中搜索策略更新后第只海鹦个体的位置；表示根据当前迭代次数调整的随机扰动；
33、表示为：
34、；
35、式中，是动态调整levy飞行的最大值，是动态调整levy飞行的最小值。
36、进一步的，模拟俯冲捕食策略，引入动态调整速度因子进行改进，表示为：
37、；
38、式中，表示动态调整速度因子；表示经过俯冲捕食策略更新后第只海鹦个体的位置。
39、进一步的，模拟种群合并策略，表示为：
40、；
41、式中，表示根据汇总海鹦个体的适应度值，从小到大排序操作；表示第次迭代后第i个海鹦个体的位置；表示经过空中搜索策略和俯冲捕食策略更新后的海鹦个体位置集合；表示根据中海鹦个体适应度对中海鹦个体进行排序操作。
42、进一步的，模拟集体觅食策略，表示为：
43、；
44、式中，表示协作参数，表示协作参数的最大值；、和均表示从当前海鹦种群中随机选取的海鹦个体；、和是介于1到n-1之间且不包括i的随机整数；表示经过集体觅食策略更新后第i个海鹦个体的位置。
45、进一步的，模拟加强搜索策略，表示为：
46、；
47、式中，表示自适应因子；表示经过加强搜索策略更新后第i个海鹦个体的位置。
48、进一步的，模拟逃避天敌策略并引入基于距离的捕食者感知模型进行改进，表示为：
49、；
50、；
51、式中，表示捕食者位置和第只海鹦个体位置之间的距离；表示第只海鹦个体的位置；表示捕食者的位置；表示设置的阈值；是一个在0到1之间随机生成的数；表示经过逃避天敌策略更新后第i个海鹦个体的位置；
52、当小于，海鹦个体采取逃避行动，当大于或等于，海鹦个体主动避开捕食者。
53、进一步的，模拟种群融合策略，表示为：
54、；
55、式中，表示经过集体觅食策略、加强搜索策略和逃避天敌策本文档来自技高网...
【技术保护点】
1.基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：改进概率神经网络的核函数表示为：
3.根据权利要求2所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：设置改进北极海鹦优化算法的参数，包括海鹦个体的数量、搜索空间、总迭代次数，并引入Logistic混沌映射初始化初始种群位置，表示为：
4.根据权利要求3所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：模拟空中搜索策略，在空中搜索策略中引入动态调整Levy飞行参数进行改进，表示为：
5.根据权利要求4所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：模拟俯冲捕食策略，引入动态调整速度因子进行改进，表示为：
6.根据权利要求5所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：模拟种群合并策略，表示为：
7.根据权利要求6所述的基于全频段多模态数据融合的配电变压器故障诊断方法，
8.根据权利要求7所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：模拟加强搜索策略，表示为：
9.根据权利要求8所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：模拟逃避天敌策略并引入基于距离的捕食者感知模型进行改进，表示为：
10.根据权利要求9所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：模拟种群融合策略，表示为：
...【技术特征摘要】
1.基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：改进概率神经网络的核函数表示为：
3.根据权利要求2所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：设置改进北极海鹦优化算法的参数，包括海鹦个体的数量、搜索空间、总迭代次数，并引入logistic混沌映射初始化初始种群位置，表示为：
4.根据权利要求3所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：模拟空中搜索策略，在空中搜索策略中引入动态调整levy飞行参数进行改进，表示为：
5.根据权利要求4所述的基于全频段多模态数据融合的配电变压器故障诊断方法，其特征在于：模...
【专利技术属性】
技术研发人员：康兵，吕嘉威，丁贵立，袁小翠，张兴旺，崔明建，王宗耀，章卓航，蔡安禹，李亚波，江嘉越，
申请(专利权)人：南昌工程学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。