专利汇可以提供一种基于深度学习的变压设备故障预测方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种基于 深度学习 的变压设备故障预测方法。其特点是,包括如下步骤:(1)对得到的测试集合进行归一化处理,(2)创建神经网络的 基础 模型,(3)进行神经网络的模型训练,(4)模型的验证,(5)利用该神经网络模型进行变压设备的故障预测。本发明方法的有益效果是:1、具有不断学习的能 力 ,所能提供的测试集合数据越精确,数量越大学习效果越显著。2、具有适应性,由于高低压成套设备所使用的环境不同,其故障发生的可能性也不同,这个方法可以使得高低压成套设备的预警装置在不同的环境下进行一段时间的学习后有相应的适应性。,下面是一种基于深度学习的变压设备故障预测方法专利的具体信息内容。
1.一种基于深度学习的变压设备故障预测方法,其特征在于,包括如下步骤:
(1)对得到的测试集合进行归一化处理:
首先对一个高低压成套系统的参数进行记录,得到一个输入矩阵和输出矩阵;
然后对这些值进行归一化处理,即利用下列归一化公式将它们变换为0-1之间的数;
y=(x-min)(max-min);
其中min是指所要归一化处理的数据集合中最小的数;max是指所要归一化处理的数据集合中最大的数,x是指所要归一化处理的数据,y是指归一化处理后的数据;
(2)创建神经网络的基础模型:
创建一个初始化的神经网络模型,定义它的初始权值和阈值,将每个神经元的权值和阈值设定为随机数,规定其对这个测试集合学习1000次,停止条件为精度小于0.001,学习率为0.01;
(3)进行神经网络的模型训练;
使用MATLAB软件中的train函数进行BP神经网络训练,首先设定好基础模型得到测试数据集合后开始进行计算,依据所设定的参数得到最终训练好的模型;
训练结束后得到相对误差曲线和相应的所有神经元的权值和阈值,根据所得到的权值和阈值得到这个神经网络模型所有的参数;
(4)模型的验证:
在得到了神经网络模型的参数后,对高低压成套设备进行测量,得到测试数据,用来当作测试集合;
使用一个测试集合,向该神经网络模型输入参数,进行预测,并与该测试集合的输出进行比对来确定该神经网络模型是否满足要求,如果满足要求则可以投入使用,如果不满足要求则增加更多的数据进行训练,直到该神经网络模型满足要求;
(5)利用该神经网络模型进行变压设备的故障预测。
2.如权利要求1所述的一种基于深度学习的变压设备故障预测方法,其特征在于:步骤(1)中具体是对高低压成套设备的401个参数进行50次记录,并且根据它们所导致的故障程度进行整理,得到一个401*50的输入矩阵和1*50的输出矩阵,它们分别代表了这401个参数
50次变化对应的电气故障值。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种车载显示装置冗余控制方法及装置 | 2020-05-08 | 784 |
利用多传感系统检测针灸技法的装置及相应的方法 | 2020-05-08 | 826 |
一种基于指纹识别的鼠标及其使用方法 | 2020-05-08 | 655 |
用于中线式尾矿筑坝的管理方法、装置、设备及介质 | 2020-05-08 | 72 |
用于微纳卫星的电子拓扑架构 | 2020-05-11 | 785 |
将EOC管理软件植入目标平台的方法和装置 | 2020-05-08 | 885 |
智能后勤平台管理系统 | 2020-05-08 | 368 |
片状陶瓷破坏强度测量装置及其使用方法 | 2020-05-08 | 589 |
一种带指纹开关的电脑 | 2020-05-08 | 250 |
一种计算机软件教育用编码教学板 | 2020-05-08 | 661 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。