摘要
本发明公开了一种基于BIM‑CNN和CVAE‑GAN组合的油浸式变压器故障诊断方法,具体包括以下步骤:S1、特征工程阶段;S2、数据增强阶段;S3、分类器训练阶段;S4、性能评估阶段;本发明涉及油浸式变压器故障诊断技术领域。该基于BIM‑CNN和CVAE‑GAN组合的油浸式变压器故障诊断方法,可以有效地挖掘变压器油中溶解气体的特征空间,挖掘变压器故障类型与多种溶解气体含量之间复杂的非线性关系,显著提高了变压器故障在线监测的早期故障诊断精度,提高了变压器的可靠性,同时减少了人工维护的成本,提升了电力系统的运行效率,减少了在线监测技术中频繁出现的故障滋扰预警或误报,降低了额外的维护成本,具有显著的实用价值和经济效益。
技术关键词
染色体
分类器模型
遗传算法
超参数
深度学习框架
分类器训练
数据
变压器运行状态
早期故障诊断
非线性映射关系
特征工程
阶段
在线监测技术
构建分类器
优化器
基因
系统为您推荐了相关专利信息
配电网故障
预警模型
故障定位模型
历史监测数据
线路
数据采集网关
数据采集模块
算法引擎
分析模块
优化生产流程
检测食品
风险评估方法
BP神经网络模型
时序特征
指数加权移动平均值
杆塔
架空输电线路施工
Sarsa算法
染色体
遗传算法求解
压缩空气泡沫
特高压变电站
灭火系统
数据收集装置
喷射系统