CN114358265A - 一种基于稀疏自编码深度神经网络的变压器状态判别装置 - Google Patents
一种基于稀疏自编码深度神经网络的变压器状态判别装置 Download PDFInfo
- Publication number
- CN114358265A CN114358265A CN202111676144.5A CN202111676144A CN114358265A CN 114358265 A CN114358265 A CN 114358265A CN 202111676144 A CN202111676144 A CN 202111676144A CN 114358265 A CN114358265 A CN 114358265A
- Authority
- CN
- China
- Prior art keywords
- transformer
- data
- neural network
- deep neural
- sparse self
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于稀疏自编码深度神经网络的变压器状态判别装置,包括:数据收集单元,根据预设溶解性气体相关特征,获取待检测的变压器的故障类气体及浓度,作为原始数据输出;数据预处理单元,与数据收集单元连接,用于接收原始数据进行预处理,通过预先实验获得的故障气体间的比值关系判断是否存在潜伏性故障、潜伏性故障的发展速率以及故障类型,并作为预处理数据输出;数据处理单元,与数据预处理单元连接,接收预处理数据,并通过完成稀疏自编码深度神经网络学习的识别模型对预处理数据进行识别评价并输出变压器识别结果。通过溶解性气体分析并采用稀疏自编码深度神经网络对电力变压器内部故障进行识别,计算速度快,准确性高。
Description
技术领域
本发明涉及变压器管理技术领域,特别是涉及一种基于稀疏自编码深度神经网络的变压器状态判别装置。
背景技术
电力设备安全稳定的运行为城市电网和企业生产活动提供了基本的保障。电力设备定期检测及评估是电力设备安全稳定运行必不可少的前提。电力变压器作为整个电网最为基本和关键的设备,其平稳的运行直接关系到整个电力系统的安全可靠。
溶解性气体检测方法是最常见的电力变压器故障诊断方法,用于识别油浸式变压器内部的故障状况,无法适用于电力变压器出现多种故障的情况,需要解决溶解性气体检测方法的缺点。
油中溶解气体分析为变压器等充油电气设备内部故障提供了一种最为高效、准确、便捷的方法。虽然溶解性气体检测方法已经很准确了,但变压器出现多种故障时,溶解性气体检测方法需要更长的计算时间,精确度也会降低。
因此,需要一种更加快速的故障检测技术。
发明内容
本发明的目的是提供了一种基于稀疏自编码深度神经网络的变压器状态判别装置,解决溶解性气体检测方法判断变压器多种故障时,其检测结果不精确、计算时间过长的技术问题。
为解决上述技术问题,本发明实施例提供了一种基于稀疏自编码深度神经网络的变压器状态判别装置,包括:
数据收集单元,根据预设溶解性气体相关特征,获取待检测的变压器的故障类气体及浓度,作为原始数据输出;
数据预处理单元,与所述数据收集单元连接,用于接收所述原始数据进行预处理,通过预先实验获得的故障气体间的比值关系判断是否存在潜伏性故障、潜伏性故障的发展速率以及故障类型,并作为预处理数据输出;
数据处理单元,与所述数据预处理单元连接,接收所述预处理数据,并通过完成稀疏自编码深度神经网络学习的识别模型对所述预处理数据进行识别评价并输出变压器识别结果。
其中,还包括与所述数据处理单元连接的故障警示单元,用于根据所述变压器识别结果输出所述变压器的状态并根据所述变压器的状态实现对应的状态指示。
其中,所述故障警示单元包括显示模块、通信模块,所述显示模块用于显示所述变压器识别结果,所述通信模块用于与外界进行数据交互。
其中,所述通信模块包括4G模块、5G模块、WIFI模块中的至少一中。
其中,所述显示模块为电容触摸显示模块或OLED显示模块。
其中,还包括与所述数据采集单元、所述数据预处理单元、所述数据处理单元、所述故障警示单元连接的存储单元,用于储存所述原始数据和变压器识别结果。
其中,所述存储单元包括型号为SDSQUNC-032G-ZN3MN的TF存储卡、硬盘、U盘中的至少一种。
其中,所述预处理单元包括型号为N76E003的MCU芯片、ARM处理器中的至少一种。
其中,所述数据处理单元包含具有CPU的协处理器,用于进行稀疏自编码深度神经网络学习,并对所述变压器内部故障进行识别。
本发明实施例所提供的基于稀疏自编码深度神经网络的变压器状态判别装置,与现有技术相比,具有以下优点:
本发明实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置,通过溶解性气体分析并采用稀疏自编码深度神经网络对电力变压器内部故障进行识别,能够从不同变压器获得的实际油样,识别出变压器内部的故障计算速度快,准确性高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的一实施例的结构示意图;
图2为本发明实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的另一实施例的结构示意图;
图3为本发明实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的再一实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1-3,图1为本发明实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的一实施例的结构示意图;图2为本发明实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的另一实施例的结构示意图;图3为本发明实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置的再一实施例的结构示意图。
在一种具体实施方式中,所述基于稀疏自编码深度神经网络的变压器状态判别装置,包括:
数据收集单元10,根据预设溶解性气体相关特征,获取待检测的变压器的故障类气体及浓度,作为原始数据输出;
数据预处理单元20,与所述数据收集单元10连接,用于接收所述原始数据进行预处理,通过预先实验获得的故障气体间的比值关系判断是否存在潜伏性故障、潜伏性故障的发展速率以及故障类型,并作为预处理数据输出;
数据处理单元30,与所述数据预处理单元20连接,接收所述预处理数据,并通过完成稀疏自编码深度神经网络学习的识别模型对所述预处理数据进行识别评价并输出变压器识别结果。
通过溶解性气体分析并采用稀疏自编码深度神经网络对电力变压器内部故障进行识别,能够从不同变压器获得的实际油样,识别出变压器内部的故障计算速度快,准确性高。
本申请中通过数据处理单元30输出变压器识别结果,但是用户或者工作人员往往获得的是数据本身,可能并不能很直观获得需要的结果,为了解决这一技术问题,在一个实施例中,所述基于稀疏自编码深度神经网络的变压器状态判别装置还包括与所述数据处理单元30连接的故障警示单元40,用于根据所述变压器识别结果输出所述变压器的状态并根据所述变压器的状态实现对应的状态指示。
本申请对于所述故障警示单元40的结构不做限定,在一个实施例中,所述故障警示单元40包括显示模块、通信模块,所述显示模块用于显示所述变压器识别结果,所述通信模块用于与外界进行数据交互。
通过显示模块,工作人员或者用户可以直接获得当前的变压器的状态,以及变压器发生故障时候具体的故障类型。同时,设置通信模块,使得可以实现远程通信,使得工作人员无需现场办公,可以采用远程集中办理,可以集中管理一个区域的变压器,提高了管理效率,而且在判定变压器故障类型之后,根据一些预设的方案可以直接将维护方案发送到维护人员手中,提高了维护效率。
本申请对于通信模块的具体结构以及工作方式不做限定,所述通信模块包括4G模块、5G模块、WIFI模块中的至少一中,或者其它类型的通信模块。
本申请对于显示模块的结构以及显示方式、尺寸等不做限定,一般所述显示模块为电容触摸显示模块或OLED显示模块,还可以为其它的显示模块,如LED显示模块等.但是电容触摸屏能很好地感应轻微及快速触摸,防刮擦,不怕尘埃、水及污垢影响,适合恶劣环境下使用,能自动识别高精度信号源,因此。一般选择电容触摸屏,而且其不仅能够进行显示,工作人员还可以通过触控的方式,调取其中的一些数据进行分析或者对设备进行维护。
由于在本申请中需要采集数据以及数据预处理以及正式处理,设备可能出现故障,因此需要将其中的数据进行存储,这样就能够还包括与所述数据采集单元、所述数据预处理单元20、所述数据处理单元30、所述故障警示单元40连接的存储单元50,用于储存所述原始数据和变压器识别结果。
本申请中所述存储单元50的类型、结构、存储器数量等不做限定。
为了方便进行数据的获取,减少数据导出的麻烦,在一个实施例汇总,所述存储单元50包括型号为SDSQUNC-032G-ZN3MN的TF存储卡、硬盘、U盘中的至少一种。
使用可以随时卸载的存储器,可以在存储器的存储空间不足是随时进行替换,工作人员在需要使用其中数据时,无需将其中的数据导出,只需要将其中的存储器卸载,安装新的存储器即可使用,使用极为方便。
本申请对于存储器的类型不做限定,包括但是不局限于上述的存储器,而且工作人员还可以远程或者采用程序自动检测剩余的存储空间的大小,实现告警,及时进行存储器的更换或者维护。
本申请中的装置,可以采用自带电源供电,也可采用外界电源进行供电,但是不管哪种供电都需要进行大量的数据处理,本申请对于其预处理单元的结构以及数据处理方式不做喜爱单宁,一般所述预处理单元包括型号为N76E003的MCU芯片、ARM处理器中的至少一种,或者其它的处理器。
采用ARM处理器,利用其低功耗的特点,降低能源消耗,采用N76E003的MCU芯片计算速度快。
需要指出的是,在本申请中并不需要将所有的器件都安装在待检测的变压器附件,实际上可以将数据收集单元10设置在变压器完成数据采集即可,其它的设备完全可以采用远程数据传输,将其传输到附近的数据处理站集中处理即可,可以同时处理多个数据收集单元10获取的变压器数据。当然,如果在变压器的数量较少时,也可以直接在变压器附件设置对变压器状态检测的装置,将检测结果传输到工作人员即可。
本申请中由于数据处理单元30需要建立模型进行故障识别,需要大量的运算,因此,为了能够提高故障检测速度,减少检测时间,在一个实施例中,所述数据处理单元30包含具有CPU的协处理器,用于进行稀疏自编码深度神经网络学习,并对所述变压器内部故障进行识别。
通过包含具有CPU的协处理器,使得数据处理单元30的数据处理能力大幅度提高,本申请对于协处理器的数量以及具体参数不做限定。
本申请中包括但是不局限于采用增加具有CPU的协处理器来实现处理能力,还可以采用其它的方法,如设置多核处理器的CPU,或者采用云计算等方式实现。
在一个实施例中,本申请提供的基于稀疏自编码深度神经网络的变压器状态判别装置,用于解决现有技术中溶解性气体检测方法判断变压器多种故障时,其检测结果不精确、计算时间过长的技术问题。包括数据收集单元10、数据预处理单元20、数据处理单元30、存储单元50和故障警示单位。
数据收集单元10根据管理人员输入溶解性气体相关特征,通过溶解性气体检测专用色谱仪进行测量,溶解性气体主要包括二氧化碳、甲烷、乙烯执、乙炔、氢气、氧气、氮气、和一氧化碳等故障类气体,来获取各种故障类气体的浓度,将其储存在存储单元50,作为原始数据。
数据预处理单元20包括型号为N76E003的MCU芯片,对变压器绝缘油中的溶解性气体浓度进行预处理,通过故障气体间的比值关系如表1来判断是否存在潜伏性故障、潜伏性故障的发展速率以及故障类型,为稀疏自编码深度神经网络的学习打下了坚实的基础。
表1
编号 | 故障类型 | C2H2/C2H4 | CH4/H2 | C2H4/C2H6 |
1 | 低温过(<150℃) | <0.1 | >0.1~<1 | >1~<3 |
2 | 低于过温(150~300℃) | <0.1 | >1 | <1 |
3 | 中温过热 | <0.1 | >1 | >1~<3 |
4 | 高温过热 | <0.1 | 无 | >3 |
5 | 局部放电 | <0.1 | <0.1 | <1 |
6 | 低能放电 | >0.1~<3 | <1 | 无 |
7 | 低能放电兼过热 | >0.1~<3 | >1 | 无 |
8 | 电弧放电 | >3 | <1 | 无 |
9 | 电弧放电兼过热 | >3 | >1 | 无 |
数据处理单元30包含CPU的协处理器进行深度学习,能够通过人工神经网络对电力变压器内部故障进行识别。稀疏自编码深度神经网络学习过程为,当不同的电力变压器发生故障时,收集变压器的故障气体特性信息,由不同的输入特征数据训练的具有适当目标的人工神经网络,然后,利用训练好的人工神经网络对不同变压器的实际样本进行评价,识别出相应的故障。
存储单元50包括型号为SDSQUNC-032G-ZN3MN的TF存储卡,用于储存原始数据和数据处理后的结果,便于管理人员查看和分析故障原因。
故障警示单元40包括电容触摸显示屏模块和通信模块。设备中的电容触摸显示屏模块起到内容显示、信息交互等作用,同时电容触摸屏能很好地感应轻微及快速触摸,防刮擦,不怕尘埃、水及污垢影响,适合恶劣环境下使用,能自动识别高精度信号源,支持Firefly系列开源主板。通信模块通过4G使用RTP&HTTP协议与通信服务器进行网络通信,以实现数据的传输,给管理人员的通信设备发送变压器故障类型预测信息,起到电力变压器故障警示的作用。
本申请在溶解性气体分析方法的基础上,采用稀疏自编码深度神经网络对电力变压器内部故障进行识别。装置能够从不同变压器获得的实际油样,通过经过训练的人工神经网络进行评估,识别出变压器内部的故障。基于稀疏自编码深度神经网络的变压器状态判别与传统溶解性气体分析进行比较,计算时间更快,准确性更高
综上所述,本发明实施例提供的基于稀疏自编码深度神经网络的变压器状态判别装置,通过溶解性气体分析并采用稀疏自编码深度神经网络对电力变压器内部故障进行识别,能够从不同变压器获得的实际油样,识别出变压器内部的故障计算速度快,准确性高。
以上对本发明所提供的基于稀疏自编码深度神经网络的变压器状态判别装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (9)
1.一种基于稀疏自编码深度神经网络的变压器状态判别装置,其特征在于,包括:
数据收集单元,根据预设溶解性气体相关特征,获取待检测的变压器的故障类气体及浓度,作为原始数据输出;
数据预处理单元,与所述数据收集单元连接,用于接收所述原始数据进行预处理,通过预先实验获得的故障气体间的比值关系判断是否存在潜伏性故障、潜伏性故障的发展速率以及故障类型,并作为预处理数据输出;
数据处理单元,与所述数据预处理单元连接,接收所述预处理数据,并通过完成稀疏自编码深度神经网络学习的识别模型对所述预处理数据进行识别评价并输出变压器识别结果。
2.如权利要求1所述基于稀疏自编码深度神经网络的变压器状态判别装置,其特征在于,还包括与所述数据处理单元连接的故障警示单元,用于根据所述变压器识别结果输出所述变压器的状态并根据所述变压器的状态实现对应的状态指示。
3.如权利要求2所述基于稀疏自编码深度神经网络的变压器状态判别装置,其特征在于,所述故障警示单元包括显示模块、通信模块,所述显示模块用于显示所述变压器识别结果,所述通信模块用于与外界进行数据交互。
4.如权利要求3所述基于稀疏自编码深度神经网络的变压器状态判别装置,其特征在于,所述通信模块包括4G模块、5G模块、WIFI模块中的至少一中。
5.如权利要求4所述基于稀疏自编码深度神经网络的变压器状态判别装置,其特征在于,所述显示模块为电容触摸显示模块或OLED显示模块。
6.如权利要求5所述基于稀疏自编码深度神经网络的变压器状态判别装置,其特征在于,还包括与所述数据采集单元、所述数据预处理单元、所述数据处理单元、所述故障警示单元连接的存储单元,用于储存所述原始数据和变压器识别结果。
7.如权利要求6所述基于稀疏自编码深度神经网络的变压器状态判别装置,其特征在于,所述存储单元包括型号为SDSQUNC-032G-ZN3MN的TF存储卡、硬盘、U盘中的至少一种。
8.如权利要求7所述基于稀疏自编码深度神经网络的变压器状态判别装置,其特征在于,所述预处理单元包括型号为N76E003的MCU芯片、ARM处理器中的至少一种。
9.如权利要求8所述基于稀疏自编码深度神经网络的变压器状态判别装置,其特征在于,所述数据处理单元包含具有CPU的协处理器,用于进行稀疏自编码深度神经网络学习,并对所述变压器内部故障进行识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111676144.5A CN114358265A (zh) | 2021-12-31 | 2021-12-31 | 一种基于稀疏自编码深度神经网络的变压器状态判别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111676144.5A CN114358265A (zh) | 2021-12-31 | 2021-12-31 | 一种基于稀疏自编码深度神经网络的变压器状态判别装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114358265A true CN114358265A (zh) | 2022-04-15 |
Family
ID=81105799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111676144.5A Pending CN114358265A (zh) | 2021-12-31 | 2021-12-31 | 一种基于稀疏自编码深度神经网络的变压器状态判别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114358265A (zh) |
-
2021
- 2021-12-31 CN CN202111676144.5A patent/CN114358265A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113124929A (zh) | 一种变电站多参数信号采集综合分析系统和方法 | |
CN107967485A (zh) | 用电计量设备故障分析方法及装置 | |
CN108663582A (zh) | 一种变压器的故障诊断方法及系统 | |
CN108051709A (zh) | 基于人工智能技术的变压器状态在线评估分析方法 | |
CN103630768A (zh) | 变电站内变压器故障诊断方法 | |
CN110689148A (zh) | 一种基于ar技术的计量设备故障检测方法 | |
CN102385333B (zh) | 一种石油仪器故障诊断方法 | |
CN112115618A (zh) | 一种基于矩阵图及置信度的电力设备故障诊断方法及系统 | |
CN203037628U (zh) | 一种针对运行变压器的绝缘油的气相色谱在线监测装置 | |
CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
CN117520951B (zh) | 一种基于多特征量的变压器健康评估方法和系统 | |
CN115032323A (zh) | 确定油色谱数据异常的方法、电子设备及存储介质 | |
CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
CN208224474U (zh) | 用电计量设备故障监控装置 | |
CN109215816A (zh) | 蒸汽发生器传热管完整性评估方法、系统及终端设备 | |
CN107328994A (zh) | 变压器绝缘电阻试验装置及方法 | |
CN114358265A (zh) | 一种基于稀疏自编码深度神经网络的变压器状态判别装置 | |
CN115587635A (zh) | 一种基于中性点偏移判断的台区线损分析方法、系统 | |
CN109213119B (zh) | 基于在线学习的复杂工业关键部件故障预测方法及系统 | |
CN115438093A (zh) | 一种电力通信设备故障判断方法与检测系统 | |
CN112507290B (zh) | 配电设备故障概率预判方法、装置及存储介质 | |
CN112542892B (zh) | 变电站调控一体化控制方法及控制装置 | |
CN113807690A (zh) | 区域电网调控系统运行状态在线评估预警方法及系统 | |
CN114235108A (zh) | 基于数据分析燃气流量计异常状态检测方法和装置 | |
CN113836203A (zh) | 一种网络数据化诊断检测分析系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |