Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于LGEO-gcForest的油浸式变压器故障诊断方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:国网湖北省电力有限公司超高压公司;国网湖北省电力有限公司电力科学研究院;南昌工程学院

摘要:本发明属于变压器故障诊断技术领域,涉及一种基于LGEO‑gcForest的油浸式变压器故障诊断方法,根据变压器的油中溶解气体数据样本,计算油中溶解气体的非编码比值,将非编码比值标准化,并划分训练集和测试集;将gcForest模型的多粒度扫描窗口大小和级联森林允许的最大级联数作为寻优参数,并以gcForest模型的故障诊断准确率作为适应度;使用金鹰优化算法对gcForest模型进行优化,返回最优参数;根据返回的最优参数构建LGEO‑gcForest故障诊断模型,用于获取变压器故障诊断结果。本发明通过优化gcForest模型的关键参数,可以提高变压器故障诊断的准确性。

主权项:1.一种基于LGEO-gcForest的油浸式变压器故障诊断方法,其特征在于,步骤如下:步骤S1:根据变压器的油中溶解气体数据样本,计算油中溶解气体的非编码比值,并标记故障类型;步骤S2:将非编码比值标准化,并将标准化后的数据划分为训练集和测试集;步骤S3:初始化gcForest模型的两个参数:多粒度扫描窗口大小和级联森林允许的最大级联数,然后将训练集输入到构建好的gcForest模型;步骤S4:将gcForest模型的多粒度扫描窗口大小和级联森林允许的最大级联数作为寻优参数,并以gcForest模型的故障诊断准确率作为适应度;使用金鹰优化算法对gcForest模型进行优化,返回最优参数,包括最优的多粒度扫描窗口大小和最优的级联森林允许的最大级联数;步骤S5:根据返回的最优参数构建LGEO-gcForest故障诊断模型,输入测试集,获取变压器故障诊断结果,验证准确率;将未知故障类别的油中溶解气体数据转换成非编码比值,输入验证准确率合格的LGEO-gcForest故障诊断模型,获取变压器故障诊断结果;使用金鹰优化算法对gcForest模型进行优化的过程如下:步骤S41:进行金鹰优化算法的参数初始化,包括金鹰种群数量、最大迭代次数,利用PWLCM映射对于金鹰种群的坐标进行初始化;步骤S42:随机选择一个最佳的狩猎位置,并计算攻击向量;步骤S43:判断攻击向量是否为零向量;当攻击向量为零向量时,返回步骤S42,重新计算攻击向量;当攻击向量不为零向量时,更新巡航向量并利用改进的莱维飞行机制更新金鹰的位置;步骤S44:判断是否满足最大迭代次数,若不满足最大迭代次数时,返回步骤S42重新展开迭代;当满足最大迭代次数后,输出最佳适应度及对应的多粒度扫描窗口大小和级联森林允许的最大级联数两个参数;利用PWLCM映射对于金鹰种群的坐标进行初始化的方式如下: 其中,为第i只金鹰在第t次迭代的位置,为第i只金鹰在第t+1次迭代的位置,p为控制参数;利用改进的莱维飞行机制更新金鹰的位置的公式如下所示: 其中,为第i只金鹰在第t次迭代的位置,为第i只金鹰在第t次迭代中的步长向量,C为介于0,1之间的一个随机目标点,为金鹰个体在t次迭代中到达过的最佳位置,λ为每次寻优的比例系数,α为步长缩放因子,Levyβ为莱维随机路径,T为最大迭代次数。

全文数据:

权利要求:

百度查询: 国网湖北省电力有限公司超高压公司 国网湖北省电力有限公司电力科学研究院 南昌工程学院 一种基于LGEO-gcForest的油浸式变压器故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术