龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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电力科学研究院
摘要：本发明公开了一种基于1DResnet‑SE‑SVM模型的变压器故障诊断方法与系统。方法包括：收集已标注类型的变压器油中溶解特征气体数据集；通过数据清洗去除明显的错误数据，然后使用SMOTEENN进行过采样和下采样处理非平衡数据；选取油中溶解特征气体H2、CH4、C2H6、C2H4、C2H2的体积分数和原始气体含量比值作为诊断样本；设计1DResnet‑SE特征提取模型，并利用训练数据集提取特征，从原始数据中提取复杂的特征表示，同时对特征进行重要性的调整，使模型更加关注重要的特征；设计SVM分类器，并使用PSO粒子群优化算法优化SVM分类器，将提取的深层次特征输入到PSO优化后的SVM分类器模型进行故障分类。本发明提高了对重要特征的学习能力，并提高了模型的泛化能力和对变压器故障的分类准确率。
主权项：1.一种基于1DResnet-SE-SVM模型的变压器故障诊断方法，其特征在于，所述方法包括如下步骤：1收集已标注类型的变压器油中溶解特征气体数据集；2通过数据清洗去除错误和无效数据，使用SMOTEENN进行过采样和下采样处理非平衡数据；3选取油中溶解特征气体H2、CH4、C2H6、C2H4、C2H2的体积分数和气体含量比值作为诊断样本；4构建1DResnet-SE特征提取模型，并利用训练数据集提取特征，从原始数据中提取特征表示，同时对特征进行重要性的调整，使模型更加关注重要的特征；1DResnet-SE网络模型包括多个卷积模块、SE模块及全局平均池化层；所述卷积模块通过多个卷积层提取特征并进行融合，所述SE模块通过全连接层进行特征重标定，重标定的特征与原始的卷积模块输出进行相乘，所述全局平均池化层的输出用于分类；5构建SVM分类器，并使用粒子群优化算法PSO优化SVM分类器，将提取的深层次特征输入到PSO优化后的SVM分类器模型进行故障分类。
全文数据：
权利要求：
百度查询： 国网湖北省电力有限公司电力科学研究院 基于1DResnet-SE-SVM模型的变压器故障诊断方法与系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号