基于神经网络和指纹库的变压器绝缘状态识别方法及系统与流程

技术特征：
1.基于神经网络和指纹库的变压器绝缘状态识别方法，其特征在于：包括以下步骤：s1：采用介电响应测试仪对变压器油纸进行频域介电响应测试以得到其频域介电谱的fds曲线；s2：根据fds曲线计算介损积分因数的频域介电指纹参量；s3：预先根据频域介电指纹参量建立介电响应特征指纹，并根据介电响应特征指纹划分变压器油纸的多种不同标准绝缘状态；s4：采用神经网络模型识别计算得到的频域介电指纹参量对应的绝缘状态。2.根据权利要求1所述的基于神经网络和指纹库的变压器绝缘状态识别方法，其特征在于：所述步骤s2中具体包括以下步骤：s21：对所述频域介电谱的fds曲线进行频谱分析，分别提取频域介电响应特性对变压器油纸老化及受潮状态敏感的频段；s22：对提取到的频段分别进行积分运算，得到不同频段范围内的fds曲线的积分值，得到对应的两个频域介电指纹参量，两个频域介电指纹参量分别表示变压器油纸的老化程度和受潮程度。3.根据权利要求2所述的基于神经网络和指纹库的变压器绝缘状态识别方法，其特征在于：所述步骤s21中选取频域介电谱的fds曲线中的频段10≤f≤5
×
103hz评估变压器油纸的老化程度；选取频域介电谱的fds曲线中的频段2
×
10-4
≤f≤10hz评估变压器油纸的受潮程度。4.根据权利要求3所述的基于神经网络和指纹库的变压器绝缘状态识别方法，其特征在于：所述表示变压器油纸的老化程度的介损积分计算方式如下：表示变压器油纸的老化程度的受潮程度计算方式如下：5.根据权利要求4所述的基于神经网络和指纹库的变压器绝缘状态识别方法，其特征在于：所述步骤s4中神经网络模型的训练具体包括以下步骤：s41：对不同老化程度和不同受潮程度的变压器油纸进行进行频域介电响应测试以得到其频域介电谱的fds曲线；s42：根据fds曲线计算介损积分因数的频域介电指纹参量；s43：建立频域介电指纹参量以及对应的老化程度和受潮程度为映射，建立测试样本集和训练样本集；s44：建立神经网络模型，采用训练样本集对神经网络模型进行训练，得到训练后的神经网络模型；s45：采用测试样本集对训练后的神经网络模型进行测试，当测试精度大于等于预设值时神经网络模型符合要求，当测试精度小于预设值时，则返回步骤s34调整神经网络模型的结构并重新对建立的神经网络模型进行训练。6.根据权利要求5所述的基于神经网络和指纹库的变压器绝缘状态识别方法，其特征在于：所述测试精度的计算方式如下：
测试精度＝训练后的神经网络模型识别正确的样本数/测试样本集中的样本数。7.根据权利要求5所述的基于神经网络和指纹库的变压器绝缘状态识别方法，其特征在于：还包括对所述测试样本集和训练样本集中的域介电指纹参量进行归一化，具体如下：式中，t
ij
'为变换后的指纹特征参量；t
ij
为变化前的指纹特征参量；max{t
kj
}为全集最大特征参量，min{t
kj
}为全集最小特征参量。8.根据权利要求5所述的基于神经网络和指纹库的变压器绝缘状态识别方法，其特征在于：采用遗传算法优化神经网络模型的初始权重值。9.基于神经网络和指纹库的变压器绝缘状态识别系统，其特征在于：包括数据采集模块、数据计算模块、数据处理模块、神经网络训练模块、标准绝缘状态数据库、识别模块、输出显示模块；所述数据采集模块、数据计算模块、数据处理模块依次连接；所述数据处理模块分别与神经网络训练模块、识别模块连接；所述识别模块与输出显示模块连接；所述数据采集模块用于采集介电响应测试仪对变压器油纸进行频域介电响应测试得到的频域介电谱的fds曲线；所述数据计算模块用于根据数据采集模块得到的fds曲线计算介损积分因数的频域介电指纹参量；所述数据处理模块用于对计算得到的介损积分因数的频域介电指纹参量进行归一化；所述神经网络训练模块用于对神经网络模型进行训练，得到训练后的神经网络模型；所述标准绝缘状态数据库用于存储变压器油纸的标准绝缘状态；所述识别模块用于采用训练好的神经网络模型对采集的fds曲线对应的变压器油纸的绝缘状态进行识别；所述输出显示模块用于输出识别出的变压器油纸的绝缘状态并将对应的状态进行显示。

技术总结
本发明属于高电压与绝缘技术领域，具体涉及基于神经网络和指纹库的变压器绝缘状态识别方法及系统。本发明采用介电响应测试仪对变压器油纸进行频域介电响应测试以得到其频域介电谱的FDS曲线；根据FDS曲线计算介损积分因数的频域介电指纹参量；预先根据频域介电指纹参量建立介电响应特征指纹，并根据介电响应特征指纹划分变压器油纸的多种不同标准绝缘状态；采用神经网络模型识别计算得到的频域介电指纹参量对应的绝缘状态。本申请采用神经网络进行油纸绝缘状态识别，神经网络具有自学习优势，不断更新训练样本集中的样本，以便不断优化建立的神经网络模型的权重值，提高了识别精度。度。度。


技术研发人员：张玉波 赵坚 张磊 颜海俊
受保护的技术使用者：广西电网有限责任公司电力科学研究院
技术研发日：2021.12.03
技术公布日：2022/3/25