变压器多源信息自适应融合诊断方法及装置与流程
本发明涉及电力设备智能传感与状态监测诊断,尤其涉及一种基于改进bbo算法的变压器多源信息自适应融合诊断方法及装置。
背景技术:
1、大型充油电气设备,特别是大型电力变压器,是电力系统的核心枢纽与能量交换咽喉,其运行状态直接关系到整个电网的安全与稳定。
2、变压器内部结构极其复杂,在长期运行中受到电、热、机械等多重应力的交替或共同作用,可能发生多种类型的潜在故障,例如绕组局部过热、绝缘纸加速老化、局部放电、电弧放电以及铁芯松动等。
3、现有变压器故障诊断技术存在以下核心缺陷:
4、(1)单一信息源诊断无法全面、及时地反映变压器内部复杂状态。
5、(2)早期多源融合方法主观性强、适应性差,导致诊断精度低、虚警率和误报率高。
6、(3)基于深度学习的数据驱动模型缺乏严重故障的训练样本,难以从有限的异常样本中学习到有效的故障特征,导致模型优化易陷入局部最优,泛化能力差。
7、(4)现有的基于通用优化算法的深度学习模型,被完全视为黑盒,剥离了变压器作为电气设备所独有的内部物理演化规律,导致模型给出违背电工物理常识的诊断结论,严重降低了工业现场的信任度。
技术实现思路
1、本发明提供一种基于改进bbo算法的变压器多源信息自适应融合诊断方法及装置,用以解决现有技术中多源信息融合方法主观性强、适应性差、模型在样本不均衡下易陷入局部最优、且缺乏物理约束导致诊断结果不可信的缺陷,实现了诊断精度高、泛化能力强且符合变压器物理演化规律的自适应融合诊断。
2、根据本发明提供的一种基于改进bbo算法的变压器多源信息自适应融合诊断方法,包括:
3、获取变压器多种类型的监测数据;
4、基于每种类型的所述监测数据分别进行基础诊断,得到对应的基础诊断结果;
5、将所有所述基础诊断结果输入至训练好的自适应融合网络,得到变压器状态诊断结果;
6、其中,所述自适应融合网络的参数,通过耦合了变压器物理约束的改进生物地理学bbo算法进行寻优得到。
7、根据本发明提供的一种基于改进bbo算法的变压器多源信息自适应融合诊断方法,所述自适应融合网络的隐藏层被划分为映射变压器不同物理状态的独立功能域;所述独立功能域与所述自适应融合网络的输入层节点之间受限连接。
8、根据本发明提供的一种基于改进bbo算法的变压器多源信息自适应融合诊断方法,所述变压器物理约束为变压器专家规则库;
9、对应的,所述自适应融合网络的网络参数,通过耦合了变压器物理约束的生物地理学bbo算法进行寻优得到,具体包括:
10、初始化所述改进bbo算法的种群,生成多个个体,其中,每一个所述个体代表一组候选的所述自适应融合网络的连接权重与偏置参数集合;
11、根据物理一致性约束的目标函数,计算每一个所述个体的适宜度;
12、根据所有所述个体的所述适宜度,计算各自的迁入率和迁出率;
13、基于所述迁入率和迁出率,采用功能域逻辑引导迁移策略,以及针对潜伏性故障动态演化的趋势敏感变异策略,生成新一代种群;
14、判断所述bbo算法是否满足预设的终止条件,若不满足,则返回计算所述适宜度的步骤进行迭代;若满足,则输出历代中具有最高适宜度的最优个体,将其解码为全局最优网络参数;
15、其中,所述物理一致性约束的目标函数包括:物理逻辑惩罚项;所述物理逻辑惩罚项,用于对候选的网络参数所生成的、与所述变压器专家规则库中的诊断规则相违背的诊断结果进行惩罚。
16、根据本发明提供的一种基于改进bbo算法的变压器多源信息自适应融合诊断方法,物理一致性约束的目标函数通过如下公式表征:
17、
18、其中,为候选的个体j的总体诊断准确率;为候选的个体j的宏平均f1分数;和为正向拟合权重系数;为变压器的物理逻辑惩罚项;为惩罚权重系数。
19、根据本发明提供的一种基于改进bbo算法的变压器多源信息自适应融合诊断方法,所述功能域逻辑引导迁移策略,包括:
20、基于所述迁入率,确定待迁入个体;
21、确定所述待迁入个体在不同故障类型上的识别缺陷;
22、若所述识别缺陷集中在与一所述独立功能域相对应的故障类别中,则从当前种群中选取适宜度高的个体;
23、将所选取的所述个体中,与该独立功能域相关联的网络参数,复制并迁入至所述待迁入个体的对应网络参数部分。
24、根据本发明提供的一种基于改进bbo算法的变压器多源信息自适应融合诊断方法,所述针对潜伏性故障动态演化的趋势敏感变异策略,具体包括:
25、根据变压器油中溶解特征气体的产气速率,动态调整所述种群中个体发生变异的概率。
26、根据本发明提供的一种基于改进bbo算法的变压器多源信息自适应融合诊断方法,所述种群中个体发生变异的概率通过如下公式计算得到:
27、;
28、其中,为基础变异概率;为近期监测到的变压器特征气体相对产气速率;为预设的注意值阈值;为放大系数。
29、根据本发明提供的一种基于改进bbo算法的变压器多源信息自适应融合诊断方法,所述基于每种类型的所述监测数据分别进行基础诊断,得到对应的基础诊断结果,具体包括:
30、针对油中溶解气体分析数据,训练第一基础诊断模型,输出第一多维诊断概率向量;
31、针对局部放电图谱数据,训练第二基础诊断模型,输出第二多维诊断概率向量;
32、针对振动时序数据,训练第三基础诊断模型,输出第三多维诊断概率向量;
33、其中,所述第一、第二及第三基础诊断模型均被训练为对相同的故障类型集合进行诊断,且所述第一、第二、第三多维诊断概率向量共同作为所述自适应融合网络的输入。
34、根据本发明提供的一种基于改进bbo算法的变压器多源信息自适应融合诊断方法,所述多种类型的监测数据包括油中溶解气体分析数据、局部放电图谱数据及振动信号数据;所述第一基础诊断模型为支持向量机模型、所述第二基础诊断模型为卷积神经网络模型以及第三基础诊断模型为深度信念网络模型。
35、本发明还提供一种基于改进bbo算法的变压器多源信息自适应融合诊断装置,包括:
36、获取模块,用于获取变压器多种类型的监测数据;
37、基础诊断模块,用于基于每种类型的所述监测数据分别进行基础诊断,得到对应的基础诊断结果;
38、融合诊断模块,用于将所有所述基础诊断结果输入至训练好的自适应融合网络,得到变压器状态诊断结果;
39、其中,所述自适应融合网络的参数,通过耦合了变压器物理约束的改进生物地理学bbo算法进行寻优得到。
40、本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于改进bbo算法的变压器多源信息自适应融合诊断方法。
41、本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述基于改进bbo算法的变压器多源信息自适应融合诊断方法。
42、与现有技术相比,本发明的有益效果是:
43、(1)本发明通过深度耦合变压器物理约束的bbo算法对自适应融合网络参数进行自适应寻优,从根本上杜绝了纯数据驱动模型因拟合噪声而产生的反物理规律误判,赋予了模型极强的专业约束。
44、(2)本发明通过对自适应融合网络划分独立功能域并采用功能域逻辑引导迁移策略,使得网络参数的进化遵循变压器内部故障转移的因果逻辑,打破了传统启发式算法盲目搜索的局限,加速了收敛,寻优效率的大幅跃升。
45、(3)本发明通过趋势敏感变异策略,将化学参量(产气速率)与算法变异率挂钩,在变压器状态恶化初期自动放大寻优空间,有效克服了传统算法对早期轻微故障漏报的难题,增强了对潜伏期故障的洞察能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com