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：大连理工大学

摘要：本发明公开了一种基于元学习的油浸式变压器剩余寿命个性化预测方法，通过构建两个共享生成器提取变压器的历史数据中的共性特征和规律，当获取到不同变压器的油中溶解气体数据时，能够识别变压器的个性化运行特征并生成针对每台变压器的个性化的预测模型和判别模型，分别预测变压器未来油中溶解气体浓度数据和故障发生时间，以此实现变压器剩余寿命个性化预测。该方法能够提高油浸式变压器剩余寿命预测的准确性，满足变压器剩余寿命个性化预测的需求。

主权项：1.一种基于元学习的油浸式变压器剩余寿命个性化预测方法，其特征在于，包括以下步骤：（1）收集故障变压器由正常状态变为故障状态过程中所产生的油中溶解气体浓度数据并进行数据预处理，以得到的时间序列数据作为训练样本；（2）构建两个结构不同的共享生成器，根据训练样本并采用元学习方式对共享生成器进行训练，以优化两个共享生成器的参数；两个结构不同的共享生成器记作共享生成器Genθ1和共享生成器Genθ2，其中，共享生成器Genθ1采用循环神经网络，以油中溶解气体数据作为输入，以学习不同变压器由正常状态变为故障状态过程中油中溶解气体数据呈现的时序特征和规律，输出一组参数记为αn，代表与共享生成器Genθ1结构相同的预测网络Netαn的网络参数；共享生成器Genθ2采用前反馈神经网络，以油中溶解气体数据作为输入，以学习每个变压器的个性化故障特征，输出另一组参数记为βn，代表与共享生成器Genθ2结构相同的判别网络Netβn的网络参数，其中，θ1和θ2为两个共享生成器Genθ1和共享生成器Genθ2的参数；根据训练样本并采用元学习方式对共享生成器进行训练，包括：（a）随机初始化共享生成器Genθ1和共享生成器Genθ2的参数θ1和θ2；（b）从训练样本抽取一台故障变压器对应的时间序列数据xm并随机分成两段，分别为数据xm,1和数据xm,2，m为故障变压器的索引；（c）将数据xm,1分别输入至共享生成器Genθ1和Genθ2中，将输出的两组参数分别作为预测网络和判别网络的网络参数，以构建预测模型和判别模型；（d）将数据xm,1输入至预测模型得到预测数据xm,2’，并预测数据xm,2’输入至判别模型得到运行状态判别结果；（e）计算预测模型关于预测数据xm,2’和数据xm,2的预测误差、判别模型关于运行状态判别结果与真实状态的判别误差；（f）计算判别误差与预测误差关于共享生成器Genθ1和Genθ2的网络参数θ1和θ2的梯度，并采用梯度下降法对网络参数θ1和θ2进行更新；（g）不断重复步骤（b）至（f）直到网络参数θ1和θ2收敛；（3）采集每台正常变压器正常运行过程中产生的当前时间油中溶解气体浓度数据并进行数据预处理，以得到的时间序列数据作为测试样本；（4）将测试样本分别输入至参数优化的两个共享生成器，以输出的两组参数分别作为预测网络和判别网络的网络参数，以构建针对每台正常变压器的预测模型和判别模型；（5）利用预测模型对测试样本进行预测以得到未来时间的油中溶解气体浓度数据，利用判别模型对未来时间的油中溶解气体浓度数据进行判别，以得到运行状态判别结果；（6）当判别模型的运行状态判别结果为故障状态时，将发生故障状态的时间减去当前时间以得到油浸式变压器剩余寿命的预测结果。

全文数据：

权利要求：

百度查询： 大连理工大学 基于元学习的油浸式变压器剩余寿命个性化动态预测方法