本發(fā)明涉及統(tǒng)計(jì)分析領(lǐng)域，具體涉及一種基于人工神經(jīng)網(wǎng)絡(luò)的的變壓器油中溶解氣體在線監(jiān)測(cè)數(shù)據(jù)矯正方法。

背景技術(shù)：

變壓器油中溶解氣體的測(cè)量手段分為兩種，一種是利用在線監(jiān)測(cè)裝置對(duì)變壓器油中溶解氣體進(jìn)行遠(yuǎn)程測(cè)量；一種是利用帶電檢測(cè)技術(shù)對(duì)變壓器進(jìn)行取樣檢測(cè)。通過(guò)在線監(jiān)測(cè)裝置獲得的在線監(jiān)測(cè)數(shù)據(jù)具有實(shí)時(shí)性的優(yōu)點(diǎn)，能夠提供連續(xù)的(時(shí)間間隔較短且固定)的測(cè)量數(shù)據(jù)，但由于裝置本身的問(wèn)題，其測(cè)量精度較低。通過(guò)帶電檢測(cè)技術(shù)獲得的帶電檢測(cè)數(shù)據(jù)具有測(cè)量精度較高的優(yōu)勢(shì)，但由于該技術(shù)需要人工實(shí)施，通常情況下無(wú)法提供連續(xù)的測(cè)量數(shù)據(jù)(時(shí)間間隔較長(zhǎng)且不固定)。若能利用相同時(shí)間范圍內(nèi)的帶電檢測(cè)數(shù)據(jù)對(duì)在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行矯正，即可得到具有較高的連續(xù)性、準(zhǔn)確性的數(shù)據(jù)，進(jìn)而實(shí)時(shí)的掌握變壓器設(shè)備的運(yùn)行狀況。因此，如何利用變壓器油中溶解氣體的帶電檢測(cè)數(shù)據(jù)矯正在線監(jiān)測(cè)數(shù)據(jù)是一個(gè)非常值得研究的問(wèn)題。

目前，業(yè)界對(duì)變壓器油中溶解氣體在線監(jiān)測(cè)數(shù)據(jù)的矯正技術(shù)鮮有研究，本領(lǐng)域可以借鑒技術(shù)經(jīng)驗(yàn)十分匱乏，只能借助其他領(lǐng)域的相關(guān)方法對(duì)該問(wèn)題進(jìn)行一定的分析和處理，如降雨量的測(cè)量技術(shù)。某一地區(qū)的降雨量通常有兩種測(cè)量方式，一種是通過(guò)衛(wèi)星獲取的衛(wèi)星監(jiān)測(cè)數(shù)據(jù)，一種是通過(guò)地面直接測(cè)量的地面數(shù)據(jù)。衛(wèi)星數(shù)據(jù)的覆蓋范圍較廣，能夠?qū)涤炅窟M(jìn)行實(shí)時(shí)監(jiān)測(cè)，但測(cè)量精度較低。地面數(shù)據(jù)覆蓋范圍則十分稀疏，無(wú)法對(duì)該地區(qū)的降雨量進(jìn)行連續(xù)觀測(cè)，但具有較高的預(yù)測(cè)精度。降雨量測(cè)量問(wèn)題與變壓器油中溶解氣體問(wèn)題的情景十分契合，相關(guān)方法能夠?yàn)樽儔浩饔椭腥芙鈿怏w在線監(jiān)測(cè)數(shù)據(jù)的矯正問(wèn)題提供技術(shù)經(jīng)驗(yàn)，具有較強(qiáng)的借鑒意義。

已有許多學(xué)者針對(duì)降雨量衛(wèi)星監(jiān)測(cè)數(shù)據(jù)提出了相應(yīng)的矯正方法，如huffman(1995),adler(2003),lin(2011)，jin(2014)等。這些方法中，jin(2014)等提出的方法是目前較為前沿且技術(shù)成熟度較高的方法，其處理步驟可以簡(jiǎn)單的概括為：(1)根據(jù)某地區(qū)降雨量衛(wèi)星監(jiān)測(cè)數(shù)據(jù)與地面測(cè)量數(shù)據(jù)建立貝葉斯分層模型，衛(wèi)星監(jiān)測(cè)數(shù)據(jù)與地面測(cè)量數(shù)據(jù)在模型中均服從特定的概率分布，與衛(wèi)星數(shù)據(jù)相比，地面數(shù)據(jù)為具有大量缺失值的觀測(cè)序列。(2)利用最大期望算法(em算法)對(duì)模型中的參數(shù)進(jìn)行估計(jì)，得到衛(wèi)星監(jiān)測(cè)數(shù)據(jù)與地面測(cè)量數(shù)據(jù)的分布特征。(3)利用所得的參數(shù)和分布的均值對(duì)地面數(shù)據(jù)的缺失值進(jìn)行填補(bǔ)，得到與衛(wèi)星數(shù)據(jù)覆蓋范圍相同且精度更高的測(cè)量數(shù)據(jù)。

jin(2011)等提出的方法在降雨量測(cè)量問(wèn)題方面具有十分出色的表現(xiàn)，該方法在journalofgeophysicalresearch期刊上發(fā)表，具有較高的國(guó)際影響力。然而，在變壓器油中溶解氣體的實(shí)際應(yīng)用中，該方法存在一定的局限性，具體表現(xiàn)為兩個(gè)方面：(1)jin(2011)等提出的方法通過(guò)分布的均值對(duì)數(shù)據(jù)進(jìn)行填補(bǔ)，無(wú)法表現(xiàn)出數(shù)據(jù)的波動(dòng)特征，缺失了一定的信息。(2)jin(2011)等提出的方法通過(guò)傅里葉變換的方式來(lái)刻畫(huà)氣體濃度隨時(shí)間變化的趨勢(shì)，而當(dāng)變壓器油中溶解氣體的帶電檢測(cè)數(shù)據(jù)時(shí)間間隔過(guò)長(zhǎng)時(shí)，傅里葉變換呈現(xiàn)出一定的規(guī)律性，矯正數(shù)據(jù)的趨勢(shì)按特定的三角函數(shù)變化，矯正效果較差。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述，本發(fā)明提供了一種基于人工神經(jīng)網(wǎng)絡(luò)、利用變壓器油中溶解氣體帶電檢測(cè)數(shù)據(jù)矯正在線監(jiān)測(cè)數(shù)據(jù)的方法，矯正后得到的變壓器在線監(jiān)測(cè)數(shù)據(jù)擁有較高的測(cè)量精度，并保留了在線監(jiān)測(cè)數(shù)據(jù)的波動(dòng)特征，為變壓器設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)創(chuàng)造條件。

一種基于人工神經(jīng)網(wǎng)絡(luò)的變壓器油中溶解氣體在線監(jiān)測(cè)數(shù)據(jù)矯正方法，包括如下步驟：

(1)采集變壓器設(shè)備在相同時(shí)間范圍內(nèi)的帶電檢測(cè)數(shù)據(jù)f(t)與在線監(jiān)測(cè)數(shù)據(jù)o(t)，并將在線檢測(cè)數(shù)據(jù)分為系統(tǒng)趨勢(shì)序列os(t)和隨機(jī)波動(dòng)序列ou(t)，對(duì)系統(tǒng)趨勢(shì)序列os(t)進(jìn)行處理，得到數(shù)據(jù)點(diǎn)序列

(2)將數(shù)據(jù)點(diǎn)序列作為人工神經(jīng)網(wǎng)絡(luò)的輸入，帶電檢測(cè)數(shù)據(jù)f(t)作為人工神經(jīng)網(wǎng)絡(luò)的真值標(biāo)簽，對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到矯正模型以及真值標(biāo)簽與真實(shí)輸出值的誤差序列e(t)；

(3)將在線監(jiān)測(cè)數(shù)據(jù)的系統(tǒng)趨勢(shì)序列os(t)輸入到矯正模型中，經(jīng)矯正模型計(jì)算得到系統(tǒng)趨勢(shì)序列os(t)的矯正序列os′(t)；

(4)對(duì)誤差序列e(t)進(jìn)行線性插值處理，得到時(shí)間間隔與在線監(jiān)測(cè)數(shù)據(jù)o(t)相同且時(shí)間點(diǎn)相對(duì)應(yīng)的誤差序列e′(t)；

(5)在線監(jiān)測(cè)數(shù)據(jù)o(t)的矯正數(shù)據(jù)o′(t)由公式

o′(t)＝os′(t)+ou(t)+e′(t)

計(jì)算得到。

所述步驟(1)的具體步驟為：

(1-1)利用變壓器油中溶解氣體的帶電檢測(cè)技術(shù)獲取設(shè)備在一定時(shí)間范圍內(nèi)且時(shí)間間隔較長(zhǎng)的特征氣體含量數(shù)據(jù)，作為該設(shè)備的帶電檢測(cè)數(shù)據(jù)，記為f(t)；同時(shí)，利用變壓器油中溶解氣體的在線監(jiān)測(cè)裝置獲取設(shè)備在相同時(shí)間范圍內(nèi)且時(shí)間間隔較短的特征氣體含量數(shù)據(jù)，作為該設(shè)備的在線監(jiān)測(cè)數(shù)據(jù)，記為o(t)；

(1-2)采用集合經(jīng)驗(yàn)?zāi)Ｊ椒纸?ensembleempiricalmodedecomposition，eemd)方法將在線監(jiān)測(cè)數(shù)據(jù)o(t)分為用于刻畫(huà)在線監(jiān)測(cè)數(shù)據(jù)的趨勢(shì)特征的系統(tǒng)趨勢(shì)序列os(t)和用于刻畫(huà)在線監(jiān)測(cè)數(shù)據(jù)的波動(dòng)特征的隨機(jī)波動(dòng)序列ou(t)兩個(gè)部分，即o(t)＝os(t)+ou(t)；

(1-3)將在線監(jiān)測(cè)數(shù)據(jù)o(t)＝os(t)+ou(t)與帶電檢測(cè)數(shù)據(jù)f(t)的時(shí)間點(diǎn)逐一對(duì)應(yīng)，并找出系統(tǒng)趨勢(shì)序列os(t)中與帶電檢測(cè)數(shù)據(jù)f(t)相對(duì)應(yīng)的數(shù)據(jù)點(diǎn)序列

步驟(1-1)中，所述的在線監(jiān)測(cè)數(shù)據(jù)o(t)是一個(gè)時(shí)間間隔較短(如1天)且固定的時(shí)間序列，而帶電檢測(cè)數(shù)據(jù)f(t)則是一個(gè)時(shí)間間隔較長(zhǎng)(如1個(gè)月)且不固定的時(shí)間序列。

所述變壓器油中溶解的特征氣體包括氫氣、甲烷、乙烷、乙烯、乙炔、一氧化碳或二氧化碳；所述特征氣體的含量為特征氣體的體積濃度，單位為μl/l。

步驟(1-2)中，所述的利用eemd方法將在線監(jiān)測(cè)數(shù)據(jù)o(t)分解為系統(tǒng)趨勢(shì)序列os(t)和隨機(jī)波動(dòng)序列ou(t)兩個(gè)部分，實(shí)際上是將線監(jiān)測(cè)數(shù)據(jù)o(t)分為多個(gè)本征模函數(shù)(intrinsicmodefunctions，imf)序列和殘差序列，其中，符合一定特征的本征模函數(shù)序列將被視為隨機(jī)波動(dòng)，其加和形式即為隨機(jī)波動(dòng)序列ou(t)，剩余的本征模函數(shù)序列和殘差序列將被視為趨勢(shì)序列，其加和形式即為系統(tǒng)趨勢(shì)序列os(t)。

eemd方法由經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒?empiricalmodedecomposition，emd)發(fā)展而來(lái)，具體步驟如下所示。

emd方法具體步驟：

第一步，找出在線監(jiān)測(cè)數(shù)據(jù)o(t)所有極大值點(diǎn)和所有極小值點(diǎn)，并將所有極大值點(diǎn)用一條曲線(本發(fā)明采用三次樣條曲線)連接起來(lái)得到上包絡(luò)線lmax(t)，同樣方法由所有極小值點(diǎn)可以得到下包絡(luò)線lmin(t)；

第二步，計(jì)算lmax(t)與lmin(t)的均值曲線m(t)，計(jì)算信號(hào)在線監(jiān)測(cè)數(shù)據(jù)o(t)與均值曲線m(t)的差值d(t)；

第三步，判斷差值序列d(t)，如果d(t)所有極大值點(diǎn)和極小值點(diǎn)的數(shù)目總和與d(t)過(guò)零點(diǎn)的數(shù)目相差不超過(guò)1，且由極大值點(diǎn)形成的上包絡(luò)線與極小值點(diǎn)形成的下包絡(luò)線在每個(gè)時(shí)間點(diǎn)上均值均為0，則差值序列d(t)符合本征模函數(shù)(imf)的特征，將其作為第i條imf輸出，記為imfi(t)，同時(shí)令在線監(jiān)測(cè)數(shù)據(jù)o(t)＝o(t)-d(t)；如果d(t)不符合上述特征，則令o(t)＝d(t)；

第四步，重復(fù)上述步驟一至三直到不能再分解出imf為止。此時(shí)，在線監(jiān)測(cè)數(shù)據(jù)o(t)即分解為多個(gè)本征模函數(shù)序列和殘差序列的形式：

式中，r(t)表示經(jīng)過(guò)經(jīng)驗(yàn)?zāi)Ｊ椒纸夂蟮玫降臍埐钚蛄小?/p>

eemd方法具體步驟：

第一步，對(duì)在線監(jiān)測(cè)數(shù)據(jù)o(t)加入一定量的白噪聲(本發(fā)明加入了標(biāo)準(zhǔn)差為0.1的白噪聲)。

第二步，利用emd方法對(duì)加入白噪聲的在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行分解，將在線監(jiān)測(cè)數(shù)據(jù)分解為多個(gè)本征模函數(shù)序列和殘差序列的形式。

第三步，重復(fù)上述步驟一和二，每次加入不同的白噪聲，將每次emd方法分解出的本征模函數(shù)序列和殘差序列的均值作為最終輸出。

所述的符合一定特征的本征模函數(shù)是指，對(duì)于經(jīng)過(guò)eemd方法分解所得的多個(gè)本征模函數(shù)，將其按emd方法步驟三中分解的先后順序排列(第1條、第2條……第i條)，令imfj(t)為前j條本征模函數(shù)的和，即從j＝1開(kāi)始，逐一檢驗(yàn)imfj(t)是否符合正態(tài)分布，當(dāng)imfj(t)為正態(tài)分布時(shí)，說(shuō)明前j條本征模函數(shù)符合隨機(jī)特征，在線數(shù)據(jù)的隨機(jī)波動(dòng)序列ou(t)＝imfj(t)，系統(tǒng)趨勢(shì)序列os(t)＝o(t)-imfj(t)。

本發(fā)明方法從人工神經(jīng)網(wǎng)絡(luò)模型入手，利用集合模式經(jīng)驗(yàn)分解方法提取出在線監(jiān)測(cè)數(shù)據(jù)的波動(dòng)特征，通過(guò)人工神經(jīng)網(wǎng)絡(luò)來(lái)克服數(shù)據(jù)時(shí)間間隔過(guò)長(zhǎng)帶來(lái)的問(wèn)題，彌補(bǔ)了現(xiàn)有方法的缺陷，能夠?qū)ψ儔浩髟O(shè)備油中溶解氣體的在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行更為精確的矯正，為設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)創(chuàng)造條件。

與現(xiàn)有技術(shù)相比，本發(fā)明利用集合經(jīng)驗(yàn)?zāi)Ｊ椒纸?eemd)方法事先提取出在線監(jiān)測(cè)數(shù)據(jù)的波動(dòng)特征，再通過(guò)人工神經(jīng)網(wǎng)絡(luò)對(duì)在線監(jiān)測(cè)數(shù)據(jù)的趨勢(shì)序列進(jìn)行矯正，其優(yōu)勢(shì)在于：

(1)本發(fā)明提出的方法能夠最大程度上保留在線監(jiān)測(cè)數(shù)據(jù)帶有的特征信息，彌補(bǔ)現(xiàn)有技術(shù)的矯正結(jié)果中缺失波動(dòng)特征的問(wèn)題。

(2)人工神經(jīng)網(wǎng)絡(luò)在帶電檢測(cè)數(shù)據(jù)時(shí)間間隔過(guò)長(zhǎng)的情況下同樣能夠提供較好的矯正結(jié)果，而現(xiàn)有技術(shù)在時(shí)間間隔過(guò)長(zhǎng)的情況下往往會(huì)出現(xiàn)異常結(jié)果，本發(fā)明提出的方法具有更強(qiáng)的適用性。

綜上所述，本發(fā)明提供了一種利用變壓器油中帶電檢測(cè)數(shù)據(jù)矯正在線監(jiān)測(cè)數(shù)據(jù)的方法，矯正后得到的變壓器在線監(jiān)測(cè)數(shù)據(jù)擁有較高的測(cè)量精度，并保留了在線監(jiān)測(cè)數(shù)據(jù)的波動(dòng)特征，具有較強(qiáng)的創(chuàng)新性，為變壓器設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)創(chuàng)造條件。

附圖說(shuō)明

圖1是本發(fā)明基于人工神經(jīng)網(wǎng)絡(luò)的變壓器油中溶解氣體在線監(jiān)測(cè)數(shù)據(jù)矯正方法的流程示意圖；

圖2是本發(fā)明所用的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖；

圖3是實(shí)施例1中變壓器油中溶解氣體在線監(jiān)測(cè)的氫氣濃度-時(shí)間曲線，單位為μl/l；

圖4是實(shí)施例1中在線監(jiān)測(cè)數(shù)據(jù)的系統(tǒng)趨勢(shì)-時(shí)間曲線，單位為μl/l；

圖5是實(shí)施例1中在線監(jiān)測(cè)數(shù)據(jù)的隨機(jī)波動(dòng)-時(shí)間曲線，單位為μl/l；

圖6是實(shí)施例1中溶解氣體在線監(jiān)測(cè)的氫氣濃度-時(shí)間曲線、帶電檢測(cè)的氫氣濃度-時(shí)間曲線，以及矯正后得到的氫氣濃度-時(shí)間曲線，單位為μl/l；

圖7是實(shí)施例2中溶解氣體在線監(jiān)測(cè)的甲烷濃度-時(shí)間曲線、帶電檢測(cè)的甲烷濃度-時(shí)間曲線，以及矯正后得到的甲烷濃度-時(shí)間曲線，單位為μl/l；

圖8是實(shí)施例3中溶解氣體在線監(jiān)測(cè)的乙烯濃度-時(shí)間曲線、帶電檢測(cè)的乙烯濃度-時(shí)間曲線，以及矯正后得到的乙烯濃度-時(shí)間曲線，單位為μl/l；

圖9是對(duì)比例中溶解氣體在線監(jiān)測(cè)的氫氣濃度-時(shí)間曲線、帶電檢測(cè)的氫氣濃度-時(shí)間曲線，以及矯正后得到的氫氣濃度-時(shí)間曲線，單位為μl/l；

圖10是對(duì)比例中采用不同方法矯正后得到的氫氣濃度-時(shí)間曲線、帶電檢測(cè)的氫氣濃度-時(shí)間曲線，以及矯正后得到的氫氣濃度-時(shí)間曲線，單位為μl/l。

具體實(shí)施方式

為了更為具體地描述本發(fā)明，下面結(jié)合附圖及具體實(shí)施方式對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說(shuō)明。

如圖1所示，本發(fā)明基于人工神經(jīng)網(wǎng)絡(luò)的變壓器油中溶解氣體在線監(jiān)測(cè)數(shù)據(jù)矯正方法，包括如下步驟：

s01，利用變壓器油中溶解氣體的帶電檢測(cè)技術(shù)獲取設(shè)備在一定時(shí)間范圍內(nèi)，時(shí)間間隔較長(zhǎng)且不固定的特征氣體含量數(shù)據(jù)，作為該設(shè)備的帶電檢測(cè)數(shù)據(jù)，記為f(t)；同時(shí)，利用變壓器油中溶解氣體的在線監(jiān)測(cè)裝置獲取設(shè)備在相同時(shí)間范圍內(nèi)，時(shí)間間隔較短且固定的特征氣體含量數(shù)據(jù)，作為該設(shè)備的在線監(jiān)測(cè)數(shù)據(jù)，記為o(t)。

s02，采用eemd方法將在線監(jiān)測(cè)數(shù)據(jù)o(t)分為系統(tǒng)趨勢(shì)序列os(t)和隨機(jī)波動(dòng)序列ou(t)兩個(gè)部分，即o(t)＝os(t)+ou(t)；

s03，將在線監(jiān)測(cè)數(shù)據(jù)o(t)＝os(t)+ou(t)與帶電檢測(cè)數(shù)據(jù)f(t)的時(shí)間點(diǎn)逐一對(duì)應(yīng)，并找出系統(tǒng)趨勢(shì)序列os(t)中與帶電檢測(cè)數(shù)據(jù)f(t)相對(duì)應(yīng)的數(shù)據(jù)點(diǎn)序列

s04，將數(shù)據(jù)點(diǎn)序列作為人工神經(jīng)網(wǎng)絡(luò)的輸入，帶電檢測(cè)數(shù)據(jù)f(t)作為人工神經(jīng)網(wǎng)絡(luò)的真值標(biāo)簽，對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到矯正模型以及真值標(biāo)簽與真實(shí)輸出值的誤差序列e(t)。

人工神經(jīng)網(wǎng)絡(luò)是一種多層前饋網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層、隱層、輸出層三個(gè)部分，如圖2所示。輸入層用于輸入數(shù)據(jù)，當(dāng)前情景下該網(wǎng)絡(luò)的輸入數(shù)據(jù)為系統(tǒng)趨勢(shì)序列隱層由多個(gè)不可觀測(cè)節(jié)點(diǎn)組成，每個(gè)節(jié)點(diǎn)用hi(t)表示，對(duì)應(yīng)的數(shù)值由權(quán)重w1i，b1i及函數(shù)f(x)＝1/(1-e^-x)計(jì)算得出，即輸出層用于輸出模型及計(jì)算結(jié)果，用f′(t)表示。該網(wǎng)絡(luò)的計(jì)算結(jié)果由隱層節(jié)點(diǎn)的數(shù)值hi(t)及權(quán)重w2i，b2i計(jì)算得出，即f′(t)＝∑iw2i×hi(t)+b2i。人工神經(jīng)網(wǎng)絡(luò)通過(guò)對(duì)比輸出結(jié)果f′(t)與真實(shí)的帶電檢測(cè)數(shù)據(jù)f(t)，不斷調(diào)整權(quán)重w1i，b1i，w2i，b2i，從而達(dá)到量化與f(t)之間對(duì)應(yīng)關(guān)系的目的，具體步驟如下：

第一步，對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化處理，對(duì)于輸入層和輸出層，將和f(t)歸一化，使得二者的數(shù)值范圍在[-1,1]內(nèi)。同時(shí)，在[-1,1]內(nèi)隨機(jī)賦予權(quán)重w1i，b1i，w2i，b2i一個(gè)初始值，并給定學(xué)習(xí)速率θ和最大學(xué)習(xí)次數(shù)m。

第二步，選取第一個(gè)時(shí)間點(diǎn)(t1)上的輸入數(shù)據(jù)及期望輸出f(t1)，計(jì)算網(wǎng)絡(luò)中hi(t1)與f′(t1)的具體數(shù)值，并計(jì)算期望輸出與實(shí)際輸出的誤差e(t1)＝|f(t1)-f′(t1)|。

第三步，利用梯度下降法對(duì)權(quán)重w1i，b1i，w2i，b2i進(jìn)行更新，得到更新權(quán)重w1i′，b1i′，w2i′，b2i′，具體計(jì)算方法為：

w2i′＝w2i+θ×e(t1)×hi(t1)

b2′i＝b2i+θ×e(t1)

b1′i＝b1i+θ×e(t1)×hi(t1)×(1-hi(t1))×w2i′

第四步，重復(fù)步驟二至三，逐一選取與f(t)所有時(shí)間點(diǎn)上的數(shù)據(jù)，得到誤差序列e(t)以及全局誤差e＝∑je(tj)，令迭代次數(shù)m＝m+1。

第五步，重復(fù)步驟四，直到迭代次數(shù)m＝m為止，此時(shí)權(quán)重w1i，b1i，w2i，b2i的值組成了經(jīng)過(guò)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)，e(t)即為矯正在線數(shù)據(jù)所需的誤差序列。

本實(shí)施例中，模型訓(xùn)練過(guò)程中，人工神經(jīng)網(wǎng)絡(luò)隱層的節(jié)點(diǎn)數(shù)目設(shè)為10個(gè)，學(xué)習(xí)速率設(shè)為0.1，最大學(xué)習(xí)次數(shù)設(shè)為500。

s05，將在線監(jiān)測(cè)數(shù)據(jù)的系統(tǒng)趨勢(shì)序列os(t)輸入到矯正模型中，經(jīng)矯正模型計(jì)算得到系統(tǒng)趨勢(shì)序列os(t)的矯正序列os′(t)。

s06，對(duì)誤差序列e(t)進(jìn)行線性插值處理，得到時(shí)間間隔與在線監(jiān)測(cè)數(shù)據(jù)o(t)相同且時(shí)間點(diǎn)相對(duì)應(yīng)的誤差序列e′(t)，在線監(jiān)測(cè)數(shù)據(jù)o(t)的矯正數(shù)據(jù)o′(t)由公式o′(t)＝os′(t)+ou(t)+e′(t)計(jì)算得到。

實(shí)施例1

本實(shí)施例獲取的特征氣體是氫氣，在線監(jiān)測(cè)裝置獲取變壓器設(shè)備1的氫氣含量數(shù)據(jù)的時(shí)間間隔是1天，在eemd方法中，每次加入的白噪聲的標(biāo)準(zhǔn)差設(shè)為0.1，重復(fù)次數(shù)設(shè)為100次，在線監(jiān)測(cè)數(shù)據(jù)o(t)、分解出的系統(tǒng)趨勢(shì)序列os(t)和隨機(jī)波動(dòng)序列ou(t)結(jié)果分別如圖3、4、5所示，在模型訓(xùn)練過(guò)程中，人工神經(jīng)網(wǎng)絡(luò)隱層的節(jié)點(diǎn)數(shù)目設(shè)為10個(gè)，學(xué)習(xí)速率設(shè)為0.1，最大學(xué)習(xí)次數(shù)設(shè)為500。經(jīng)過(guò)本發(fā)明方法，對(duì)在線監(jiān)測(cè)數(shù)據(jù)中的氫氣進(jìn)行校正的結(jié)果如圖6所示。

實(shí)施例2

本實(shí)施例獲取的特征氣體是甲烷，在線監(jiān)測(cè)裝置獲取變壓器設(shè)備2的氫氣含量數(shù)據(jù)的時(shí)間間隔是1天，在eemd方法中，每次加入的白噪聲的標(biāo)準(zhǔn)差設(shè)為0.1，重復(fù)次數(shù)設(shè)為100次；在模型訓(xùn)練過(guò)程中，人工神經(jīng)網(wǎng)絡(luò)隱層的節(jié)點(diǎn)數(shù)目設(shè)為10個(gè)，學(xué)習(xí)速率設(shè)為0.1，最大學(xué)習(xí)次數(shù)設(shè)為500。經(jīng)過(guò)本發(fā)明方法，對(duì)在線監(jiān)測(cè)數(shù)據(jù)中的甲烷進(jìn)行校正的結(jié)果如圖7所示。

實(shí)施例3

本實(shí)施例獲取的特征氣體是乙烯，在線監(jiān)測(cè)裝置獲取變壓器設(shè)備3的氫氣含量數(shù)據(jù)的時(shí)間間隔是1天，在eemd方法中，每次加入的白噪聲的標(biāo)準(zhǔn)差設(shè)為0.1，重復(fù)次數(shù)設(shè)為100次；在模型訓(xùn)練過(guò)程中，人工神經(jīng)網(wǎng)絡(luò)隱層的節(jié)點(diǎn)數(shù)目設(shè)為10個(gè)，學(xué)習(xí)速率設(shè)為0.1，最大學(xué)習(xí)次數(shù)設(shè)為500。經(jīng)過(guò)本發(fā)明方法，對(duì)在線監(jiān)測(cè)數(shù)據(jù)中的乙烯進(jìn)行校正的結(jié)果如圖8所示。

對(duì)比例

采用與實(shí)施例1中相同的矯正方法，對(duì)變壓器設(shè)備4油中溶解氣體的氫氣在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行矯正，矯正結(jié)果見(jiàn)圖9。同時(shí)，將本發(fā)明背景技術(shù)當(dāng)中提到的jin(2014)等提出的方法應(yīng)用在相同數(shù)據(jù)當(dāng)中，得到相應(yīng)的經(jīng)過(guò)矯正的在線監(jiān)測(cè)數(shù)據(jù)，矯正結(jié)果如圖10所示。

從圖9、10中可以看出，現(xiàn)有技術(shù)有兩方面缺點(diǎn)，一是矯正數(shù)據(jù)缺失了原始數(shù)據(jù)的波動(dòng)特征，二是當(dāng)帶電檢測(cè)數(shù)據(jù)的時(shí)間間隔過(guò)長(zhǎng)時(shí)，在線監(jiān)測(cè)數(shù)據(jù)的矯正結(jié)果往往較差。而本發(fā)明提出的方法保留了在線數(shù)據(jù)的波動(dòng)特征，在帶電檢測(cè)數(shù)據(jù)的時(shí)間間隔過(guò)長(zhǎng)情況下適用性良好，矯正的在線數(shù)據(jù)既保留了特征信息，又擁有與帶電檢測(cè)數(shù)據(jù)相近的準(zhǔn)確性，做到了優(yōu)勢(shì)互補(bǔ)，打破了在線數(shù)據(jù)與帶電數(shù)據(jù)各自的局限。

以上所述的具體實(shí)施方式對(duì)本發(fā)明的技術(shù)方案和有益效果進(jìn)行了詳細(xì)說(shuō)明，應(yīng)理解的是以上所述僅為本發(fā)明的最優(yōu)選實(shí)施例，并不用于限制本發(fā)明，凡在本發(fā)明的原則范圍內(nèi)所做的任何修改、補(bǔ)充和等同替換等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。