一种变压器状态故障类型预测方法、系统、介质及设备

本发明公开了一种变压器状态故障类型预测方法、系统、介质及设备，方法包括：根据多台变压器的历史数据，获取多维数据集；应用人工神经网络提取多维数据集的多维数据特征，获取特征向量；将所述特征向量作为输入，利用随机配置网络进行分类，预测变压器故障类型；使用深度强化学习进行自我学习和迭代优化，学习到训练人工神经网络和随机配置网络最优的策略，提高预测变压器故障类型的准确性。本发明使用深度强化学习，让深度学习强大的特征提取和强化学习的交互学习能力相结合的优势，使激励模型在较弱的奖励反馈信号下学习更多的本质特征，有望具有更好的学习能力和鲁棒性。