【技术实现步骤摘要】
本专利技术涉及变压器故障监测，尤其涉及一种基于电气信号的有载分接开关在线故障监测方法和系统。
技术介绍
1、有载分接开关作为有载调压变压器的重要部件，准确检测其性能，对保证电力系统安全稳定可靠运行尤为重要。
2、现有的有载分接开关的故障监测技术分为离线监测和在线监测。离线监测是在有载分接开关未运行时对其相关性能指标进行监测，需要在停电的情况下进行；而现有技术中的在线监测方法一般通过监测振动信号，并人工选定特征指标，以得到故障情况。
技术实现思路
1、本专利技术提供了一种基于电气信号的有载分接开关在线故障监测方法和系统，能够在有载分接开关挂网运行中通过电气信号对其故障进行精确监测。
2、为解决以上技术问题，本专利技术实施例提供一种基于电气信号的有载分接开关在线故障监测方法，包括：
3、获取带有分类标签的有载分接开关电气信号的分类数据集；
4、采用所述分类数据集训练初始神经网络，得到分类模型；所述初始神经网络为一维卷积神经网络；
5、采用所述分类模型对有载分接开关的实际电气数据进行分类，得到故障监测结果。
6、作为上述方案的改进，所述获取带有分类标签的有载分接开关电气信号的分类数据集，包括：
7、获取有载分解开关的初始数据集；
8、根据所述有载分接开关的典型故障，在所述初始数据集中添加分类标签，得到分类数据集。
9、作为上述方案的改进，所述获取有载分解开关的初始数据集，包括：p>
10、采集有载分接开关电器信号的历史数据集；
11、根据调压原理构建仿真模型，设置仿真参数进行仿真试验，得到仿真数据集；
12、设置有载调压变压器的工况参数，进行实际调压测试，得到测试数据集；
13、根据所述历史数据集、所述仿真数据集和所述测试数据集，得到有载分接开关电气信号的初始数据集。
14、作为上述方案的改进，所述初始神经网络包括依次连接的卷积层、池化层和全连接层；所述卷积层为一维神经网络。
15、作为上述方案的改进，所述采用所述分类数据集训练初始神经网络，得到分类模型，包括：
16、对所述分类数据集进行预处理，得到预处理分类数据集；
17、将所述预处理分类数据集划分为训练集和验证集；
18、采用所述训练集，对所述初始神经网络进行迭代训练，得到预测结果；
19、每一迭代训练完成后，采用所述验证集计算所述预测结果的误差；
20、当所述预测结果的误差小于预设的误差阈值时，停止所述初始神经网络的迭代训练，将训练完成的所述初始神经网络作为分类模型。
21、作为上述方案的改进，所述采用所述训练集，对所述初始神经网络进行迭代训练，包括：
22、通过所述卷积层，提取所述预处理分类数据集的特征图；
23、通过所述池化层，减少所述特征图的尺寸，得到池化特征；
24、通过所述全连接层，将所述池化特征映射到n个维度上，得到预测结果。
25、作为上述方案的改进，所述通过所述卷积层，提取所述预处理分类数据集的特征图，包括：
26、通过所述卷积层的一维深度卷积核对所述预处理分类数据集进行深度卷积和逐点卷积操作，得到局部特征；
27、通过所述卷积层的滑动卷积核对所述局部特征进行加权，得到特征图。
28、作为上述方案的改进，所述每一迭代训练完成后，采用所述验证集计算所述预测结果的误差，包括：
29、建立对标签噪声鲁棒性的广义交叉熵损失函数；
30、根据所述验证集，得到真实结果；
31、每一迭代训练完成后，采用所述广义交叉熵损失函数计算所述预测结果与所述真实结果间的误差。
32、作为上述方案的改进，所述采用所述分类模型对有载分接开关的实际电气数据进行分类，得到故障监测结果，包括：
33、采集有载分接开关的实际电气数据；
34、对所述实际电气数据进行预处理，得到预处理实际电气数据；
35、将所述预处理实际电气数据输入至所述分类模型中，得到故障监测结果。
36、本专利技术实施例还提供了一种基于电气信号的有载分接开关在线故障监测系统，包括：
37、分类数据集获取模块，用于获取带有分类标签的有载分接开关电气信号的分类数据集；
38、分类模型构建模块，用于采用所述分类数据集训练初始神经网络，得到分类模型；所述初始神经网络为一维卷积神经网络；
39、故障监测模块，用于采用所述分类模型对有载分接开关的实际电气数据进行分类，得到故障监测结果。
40、与现有技术相比，本专利技术公开的一种基于电气信号的有载分接开关在线故障监测方法和系统，通过获取带有分类标签的有载分接开关电气信号的分类数据集；采用所述分类数据集训练初始神经网络，得到分类模型；所述初始神经网络为一维卷积神经网络；采用所述分类模型对有载分接开关的实际电气数据进行分类，得到故障监测结果。采用本专利技术实施例，能够在不停电的前提下自动实时采集电气信号并采用神经网络训练得到的分类模型进行故障监测，监测过程自动、简单，且无需人工选定特征指标。
本文档来自技高网...【技术保护点】
1.一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，包括：
2.如权利要求1所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述获取带有分类标签的有载分接开关电气信号的分类数据集，包括：
3.如权利要求2所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述获取有载分解开关的初始数据集，包括：
4.如权利要求1所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述初始神经网络包括依次连接的卷积层、池化层和全连接层；所述卷积层为一维神经网络。
5.如权利要求4所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述采用所述分类数据集训练初始神经网络，得到分类模型，包括：
6.如权利要求5所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述采用所述训练集，对所述初始神经网络进行迭代训练，得到预测结果，包括：
7.如权利要求6所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述通过所述卷积层，提取所述预处
8.如权利要求5所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述每一迭代训练完成后，采用所述验证集计算所述预测结果的误差，包括：
9.如权利要求1所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述采用所述分类模型对有载分接开关的实际电气数据进行分类，得到故障监测结果，包括：
10.一种基于电气信号的有载分接开关在线故障监测系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，包括：
2.如权利要求1所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述获取带有分类标签的有载分接开关电气信号的分类数据集，包括：
3.如权利要求2所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述获取有载分解开关的初始数据集，包括：
4.如权利要求1所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述初始神经网络包括依次连接的卷积层、池化层和全连接层；所述卷积层为一维神经网络。
5.如权利要求4所述的一种基于电气信号的有载分接开关在线故障监测方法，其特征在于，所述采用所述分类数据集训练初始神经网络，得到分类模型，包括：
6.如权利要求...
【专利技术属性】
技术研发人员：周国伟，姚晖，邹晖，胡锦根，潘成程，魏华兵，卫林林，陈欣，孙林涛，汪全虎，戴鹏飞，程兴民，王旋，刘威，彭晨光，陈川，沈正元，
申请(专利权)人：国网浙江省电力有限公司超高压分公司，
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。