一种基于ACO算法优化的CNN电力变压器典型故障识别方法

本发明涉及电力设备诊断技术领域，本发明公开了一种基于ACO算法优化的CNN电力变压器典型故障识别方法；包括获取目标声纹信号，基于带通滤波法，提取出信号特征，将信号特征输入到训练好的ACO‑CNN故障识别模型中，识别出变压器的故障状态，确定故障类型值，并生成故障危害等级；相对于现有技术，可以有效过滤掉高频与低频的噪声信号，既降低了大量无用特征对计算分析带来的负担，也规避了无用特征对故障识别带来的干扰影响，同时利用ACO优化算法对CNN模型的神经元个数与迭代次数进行参数寻优，并利用ACO‑CNN故障识别模型对变压器的故障状态进行识别，达到了对电力变压器声纹故障的快速、准确的识别诊断效果。