变压器故障诊断方法、装置、设备以及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115963224A(43)申请公布日2023.04.14(21)申请号202211680100.4(22)申请日2022.12.26(71)申请人国网河北省电力有限公司电力科学研究院地址050021河北省石家庄市裕华区体育南大街238号申请人国网河北省电力有限公司国家电网有限公司(72)发明人杜晓东赵建利罗蓬曾四鸣赵建斌赵劭康(74)专利代理机构北京华专卓海知识产权代理事务所(普通合伙)11664专利代理师王一(51)Int.Cl.G01N33/00(2006.01)权利要求书3页说明书13页附图2页(54)发明名称变压器故障诊断方法、装置、设备以及存储介质(57)摘要本公开的实施例提供了一种变压器故障诊断方法、装置、设备以及存储介质，应用于数据处理技术领域。所述方法包括获取预设时间段内至少两种变压器溶解气体的浓度变化数据；计算浓度变化数据对应的气体浓度比值，并生成气体浓度比值随时间变化曲线；对气体浓度比值随时间变化曲线进行拟合，生成一维特征时变数据；对一维时变数据进行相空间重构，生成多维特征时变数据；将多维特征时变数据输入预先训练完成的可迁移独立循环神经网络变压器故障诊断模型，输出变压器的故障类型。以此方式，可以使用动态测试的方法自动诊断变压器故障类型，以提高变压器故障诊断的精确度，从而提高变压器的整体效率的效果。CN115963224ACN115963224A权利要求书1/3页1.一种变压器故障诊断方法，其特征在于，包括：获取预设时间段内至少两种变压器溶解气体的浓度变化数据，所述浓度变化数据为气体浓度随时间变化的数据；其中，所述至少两种溶解气体包括溶解度差值小于预设溶解度差阈值和扩散系数差值小于预设扩散系数差阈值的两种气体；计算所述浓度变化数据对应的气体浓度比值，并生成气体浓度比值随时间变化曲线，所述浓度变化数据对应的气体浓度比值为所述至少两种溶解气体中溶解度差值小于预设溶解度差阈值和扩散系数差值小于预设扩散系数差阈值的两种气体之间的比值；对所述气体浓度比值随时间变化曲线进行拟合，生成一维特征时变数据；对所述一维时变数据进行相空间重构，生成多维特征时变数据；将所述多维特征时变数据输入预先训练完成的可迁移独立循环神经网络变压器故障诊断模型，输出变压器的故障类型。2.根据权利要求1所述的方法，其特征在于，在所述将所述多维特征时变数据输入预先训练完成的可迁移独立循环神经网络变压器故障诊断模型，输出变压器的故障类型之前，所述方法还包括：获取所述预设时间段内至少两种变压器溶解气体的历史浓度变化数据，所述历史浓度变化数据为历史溶解气体浓度随时间的变化数据；计算所述历史浓度变化数据对应的气体浓度比值，并生成历史气体浓度比值随时间变化曲线；对所述历史气体浓度比值随时间变化曲线进行拟合，生成历史一维特征时变数据；对所述历史一维时变数据进行相空间重构，生成历史多维特征时变数据；将所述历史多维特征时变数据作为样本，所述历史浓度变化数据对应的气体浓度比值的预设故障类型作为标注，得到的训练集对预设神经网络模型进行训练；迭代计算所述预设神经网络模型输出的故障类型与标注的分类准确度，直至所述分类准确度大于分类准确度阈值，得到训练完成的可迁移独立循环神经网络变压器故障诊断模型。3.根据权利要求2所述的方法，其特征在于，所述获取预设时间段内至少两种变压器溶解气体的历史浓度变化数据包括：根据预设采样频率，获取预设时间段内至少两种变压器溶解气体的历史浓度变化数据，所述预设采样频率大于1024Hz。4.根据权利要求2所述的方法，其特征在于，所述对所述历史一维时变数据进行相空间重构，生成历史多维特征时变数据包括：计算所述历史一维时变数据的自相关函数；根据所述自相关函数，确定重构所述历史一维时变数据的相空间的延迟时间；根据所述延迟时间，确定重构所述历史一维时变数据的相空间的嵌入维数，得到所述历史一维时变数据的相空间；将所述历史一维时变数据填充至所述相空间，生成历史多维特征时变数据。5.根据权利要求2所述的方法，其特征在于，在所述将所述历史浓度变化数据对应的气体浓度比值的预设故障类型作为标注之前，所述方法还包括：对所述历史浓度变化数据对应的气体浓度比值的预设故障类型进行标签划分，得到每2CN115963224A权利要求书2/3页种预设故障类型对应的标签；所述将所述历史浓度变化数据对应的气体浓度比值的预设故障类型作为标注包括：将每种预设故障类型对应的标签作为标注。6.根据权利要求2所述的方法，其特征在于，所述将所述历史多维特征时变数据作为样本，所述历史浓度变化数据对应的气体浓度比值的预设故障类型作为标注，得到的训练集对预设神经网络模型进行训练包括：将所述历史多维特征时变数据作为样本，所述历史浓度变化数据对