(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210612283.X (22)申请日 2022.05.31 (71)申请人 广东电网有限责任公司 地址 510600 广东省广州市越秀区东 风东 路757号 申请人 广东电网有限责任公司佛山供电局 　 广东电网能源发展 有限公司 (72)发明人 陈邦发　王鹏洋　陈新城　谢志杨　 陈柏全　刘益军　高轩　陈斯翔　 刘强　黄静　何子兰　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 刘晓娟 (51)Int.Cl. G06K 9/00(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G01D 21/02(2006.01) (54)发明名称 一种气体绝缘组合电器的故障诊断方法及 装置 (57)摘要 本发明公开了一种气体绝缘组合电器的故 障诊断方法及装置， 其方法包括： 获取气体绝缘 组合电器的故障信息， 划分所述故障信息为训练 集数据和测试集数据， 基于所述训练集数据和所 述测试集数据， 结合预设的初始神经网络模型的 收敛速度及支路条数， 对所述初始神经网络模型 进行训练和验证， 得到目标神经网络模型， 获取 待测气体绝缘组合电器的故障数据， 将所述待测 气体绝缘组合电器的故障数据输入到所述目标 神经网络模 型， 计算得到所述待测气体绝缘组合 电器的故障诊断结果数据。 有利于解决由于气体 绝缘组合电器为全封闭设备而无法直接观察故 障原因的技术问题， 提高了气体绝缘组合电器故 障诊断的准确性。 权利要求书2页 说明书11页 附图3页 CN 115017947 A 2022.09.06 CN 115017947 A 1.一种气体绝 缘组合电器的故障诊断方法， 其特 征在于， 包括： 获取气体绝 缘组合电器的故障信息； 划分所述故障信息为训练集数据和 测试集数据； 基于所述训练集数据和所述测试集数据， 结合预设的初始神经网络模型的收敛速度及 支路条数， 对所述初始神经网络模型进行训练和验证， 得到目标神经网络模型； 获取待测气体绝 缘组合电器的故障数据； 将所述待测气体绝缘组合电器的故障数据输入到所述目标神经网络模型， 计算得到所 述待测气体绝 缘组合电器的故障诊断结果数据。 2.根据权利要求1所述的气体绝缘组合电器的故障诊断方法， 其特征在于， 所述故障信 息包括多维 非同类信号数据； 划分所述故障信息为训练集数据和 测试集数据， 包括： 从所述故障信息中提取 所述多维 非同类信号数据； 划分所述多维 非同类信号数据为所述训练集数据与所述测试集数据。 3.根据权利要求2所述的气体绝缘组合电器的故障诊断方法， 其特征在于， 所述故障信 息还包括多维同类信号数据； 所述从所述故障信息中提取所述多维非同类信号数据之后， 还包括： 从所述故障信息中提取 所述多维同类信号数据； 通过相关性系数贡献值法， 根据所述多维同类信号数据之间的关联性， 将所述多维同 类信号数据中的多个信号数据融合 为一个信号数据， 得到多维同类信号融合数据。 4.根据权利要求1所述的气体绝缘组合电器的故障诊断方法， 其特征在于， 基于所述训 练集数据和所述测试集数据， 结合预设的初始神经网络模型 的收敛速度及支路条数， 对所 述初始神经网络模型进行训练和验证， 得到目标神经网络模型， 包括： 将所述训练集数据输入到所述初始神经网络模型进行训练， 得到训练后的神经网络模 型； 基于所述训练后的神经网络模型的收敛速度及支路条数， 判断所述训练后的神经网络 模型是否满足预设的迭代条件； 若否， 则保存所述训练后的神经网络模型， 得到神经网络优 化模型； 若是， 则对所述训练后的神经网络模型进行迭代， 得到最优参数， 并利用所述最优 参数， 优化所述训练后的神经网络模型， 得到神经网络优化模型； 基于所述测试集数据， 验证所述神经网络优化模型， 得到所述目标神经网络模型。 5.根据权利要求4所述的气体绝缘组合电器的故障诊断方法， 其特征在于， 所述将所述 训练集数据输入到所述初始神经网络模型进行训练， 得到训练后的神经网络模型之前， 还 包括： 初始化所述初始神经网络模型的参数。 6.一种气体绝 缘组合电器的故障诊断装置， 其特 征在于， 包括： 获取模块， 用于获取气体绝 缘组合电器的故障信息； 划分模块， 用于划分所述故障信息为训练集数据和 测试集数据； 训练模块， 用于基于所述训练集数据和所述测试集数据， 结合预设的初始神经网络模 型的收敛速度及支路条数， 对所述初始神经网络模型进行训练和验证， 得到目标神经网络 模型； 数据模块， 用于获取待测气体绝 缘组合电器的故障数据；权　利　要　求　书 1/2 页 2 CN 115017947 A 2诊断模块， 用于将所述待测气体绝缘组合电器的故障数据输入到所述目标神经网络模 型， 计算得到所述待测气体绝 缘组合电器的故障诊断结果数据。 7.根据权利要求6所述的气体绝缘组合电器的故障诊断装置， 其特征在于， 所述故障信 息包括多维 非同类信号数据； 所述划分模块包括： 提取子模块， 用于从所述故障信息中提取 所述多维 非同类信号数据； 划分子模块， 用于划分所述多维非同类信号数据为所述训练集数据与所述测试集数 据。 8.根据权利要求7所述的气体绝缘组合电器的故障诊断装置， 其特征在于， 所述故障信 息还包括多维同类信号数据； 所述划分模块还 包括： 同类子模块， 用于从所述故障信息中提取 所述多维同类信号数据； 融合子模块， 用于通过相关性系数贡献值法， 根据所述多维同类信号数据之间的关联 性， 将所述多维同类信号数据中的多个信号数据融合为一个信号数据， 得到多维同类信号 融合数据。 9.根据权利要求6所述的气体绝缘组合电器的故障诊断装置， 其特征在于， 所述训练模 块包括： 训练子模块， 用于将所述训练集数据输入到所述初始神经网络模型进行训练， 得到训 练后的神经网络模型； 判断子模块， 用于基于所述训练后的神经网络模型的收敛速度及支路条数， 判断所述 训练后的神经网络模型是否满足预设的迭代条件； 若否， 则保存所述训练后的神经网络模 型， 得到神经网络优化模型； 若是， 则对所述训练后的神经网络模型进行迭代， 得到最优参 数， 并利用所述 最优参数， 优化所述训练后的神经网络模型， 得到神经网络优化模型； 验证子模块， 用于基于所述测试集数据， 验证所述神经网络优化模型， 得到所述目标神 经网络模型。 10.根据权利要求9所述的气体绝缘组合电器的故障诊断装置， 其特征在于， 所述训练 模块还包括： 参数子模块， 用于初始化所述初始神经网络模型的参数。权　利　要　求　书 2/2 页 3 CN 115017947 A 3