基于巡视机器人与深度学习的二次系统故障诊断方法

本发明公开了一种基于巡视机器人与深度学习的二次系统故障诊断方法；包括以下步骤：根据故障设备和故障类型构建故障参数数据库；提取作为训练样本；建立BP‑N神经网络模型的拓扑结构；将训练样本输入BP‑N神经网络模型进行训练，输出满足收敛终止条件的模型参数，并输出训练结果；利用GA遗传算法对初始化的种群进行遗传变异操作，输出最优的权值和阈值；完成对BP‑N神经网络模型的训练；巡视机器人采集智能变电站内二次系统的运行参数，输入训练完成的BP‑N神经网络模型，输出二次系统内故障的故障类型和二次设备。本发明结合深度学习和巡视机器人的特征，能够快速地利用海量实时数据实现对智能变电站的二次系统内全链条故障的准确诊断。