[發明專利]一種變壓器故障檢測方法及裝置

在審

• 申請號: 201911039498.1
• 申請日: 2019-10-29
• 公開（公告）號: CN111325233A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 李桐;宋純賀;沈力;于詩矛;于同偉;王忠鋒;趙永彬;曾鵬;劉一濤;孔劍虹;劉剛;朱鈺;王剛;劉揚;剛毅凝;佟昊松;王海鵬;張旭;劉越
• 申請（專利權）人: 國網遼寧省電力有限公司電力科學研究院;中國科學院沈陽自動化研究所;國家電網有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 遼寧沈陽國興知識產權代理有限公司 21100
• 代理人: 何學軍;侯景明

1.一種變壓器故障檢測方法，其特征在于，包括以下步驟：

采集電力變壓器數據，

將電力變壓器數據輸入至預先訓練好的多源信息融合下的棧式自編碼器模型進行故障概率計算，得到故障概率計算結果；其中，所述棧式自編碼器模型的訓練數據為多源電力變壓器數據，

對多源信息融合下的棧式自編碼器模型的故障概率計算結果進行整合，得到電力變壓器的具體故障狀態，完成故障檢測。

2.根據權利要求1所述的一種變壓器故障檢測方法，其特征在于，所述電力變壓器數據包括電力變壓器油中溶解氣體H₂、C₂H₂、CH₄、C₂H₆、CO、C₂H₄的體積分數、局部放電量及套管介質損耗因數。

3.根據權利要求1或2所述的一種變壓器故障檢測方法，其特征在于，在采集到電力變壓器數據之后，進一步包括：對采集到的數據進行歸一化處理，具體包括：

將所有輸入向量轉化為0-1之間的數據：

其中x為原始輸入數據，x為歸一化處理后的輸入數據，min為x對應樣本數據中的最小值，max為x對應樣本數據中的最大值。

4.根據權利要求1所述的一種變壓器故障檢測方法，其特征在于，訓練多源信息融合下的棧式自編碼器模型的過程包括如下步驟：

采集不同源下的電力變壓器歷史數據；

對采集到的電力變壓器歷史數據進行歸一化處理；

將處理后的不同源下的電力變壓器歷史數據輸入到對應的去噪自編碼器模型進行模型訓練；

將訓練好的不同源下的去噪自編碼器模型進行堆疊，形成多源信息融合下的棧式自編碼器模型。

5.根據權利要求4所述的一種變壓器故障檢測方法，其特征在于，采用逐層貪婪訓練法對去噪自編碼器模型進行訓練，所述逐層貪婪訓練法是將輸入數據同時作為輸出數據進行訓練，其目標函數為：

式中：i表示第i條數據，x_i表示第i條輸入數據，表示第i條重構數據，||·||_F表示·的F范數，逐層貪婪訓練法是以最小化上式目標函數為目的的訓練方法；

在訓練過程中，權重矩陣和偏置系數通過初始權重矩陣以及反向傳播回來的梯度不斷迭代更新，在訓練完成后獲得最佳的權重矩陣以及偏置系數，該最佳的權重矩陣以及偏置系數使得上式中的目標函數值最小。

6.根據權利要求1所述的一種變壓器故障檢測方法，其特征在于，所述棧式自編碼器網絡結構由輸入層、隱藏層和輸出層拼接而成；其中輸入層由輸入數據x構成，隱藏層采用經過模型訓練的去噪自編碼器模型的隱藏層，輸出層為實現故障分類的Softmax輸出層。

7.根據權利要求6所述的一種變壓器故障檢測方法，其特征在于，

所述Softmax輸出層采用Softmax分類器，將經神經網絡計算的結果轉化為電力變壓器發生故障的概率，公式為：

式中：s_i表示棧式自編碼器網絡求得的結果i對應的概率，j表示結果的類別數，e表示自然常數；

以L為目標函數利用梯度下降法進行訓練，獲得最佳的模型參數以進行在線變壓器故障檢測，

目標函數

其中：y_i表示第i個數據樣本真實故障類型；α,β為模型的超參數，通過交叉驗證法求得；ω_encoder表示棧式自編碼器網絡編碼階段中網絡參數；

表示邊際Fisher正則化項，

Sc為類內緊湊性其中表示樣本x_j的同類中K₁個最近鄰點的索引集，

Sp為類間分離性表示滿足條件的K₂個最近鄰點對，π_c指屬于c類的樣本索引集。