[發(fā)明專利]一種變壓器故障檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 201911039498.1
• 申請日: 2019-10-29
• 公開（公告）號: CN111325233A
• 公開（公告）日: 2020-06-23
• 發(fā)明（設(shè)計(jì)）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(yáng);剛毅凝;佟昊松;王海鵬;張旭;劉越
• 申請（專利權(quán)）人: 國網(wǎng)遼寧省電力有限公司電力科學(xué)研究院;中國科學(xué)院沈陽自動化研究所;國家電網(wǎng)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(chǎn)權(quán)代理有限公司 21100
• 代理人: 何學(xué)軍;侯景明

本發(fā)明涉及多源信息融合下的變壓器故障檢測方法，特別涉及一種變壓器故障檢測方法及裝置。該檢測方法基于多源信息融合下的棧式自編碼器模型，包括：采集電力變壓器數(shù)據(jù)；將電力變壓器數(shù)據(jù)輸入至預(yù)先訓(xùn)練好的多源信息融合下的棧式自編碼器模型進(jìn)行故障概率計(jì)算，得到故障概率計(jì)算結(jié)果；其中，所述棧式自編碼器模型的訓(xùn)練數(shù)據(jù)為多源電力變壓器數(shù)據(jù)；對多源信息融合下的棧式自編碼器模型的故障概率計(jì)算結(jié)果進(jìn)行整合，得到電力變壓器的具體故障狀態(tài)，完成故障檢測。本發(fā)明利用去噪自編碼器模型增強(qiáng)模型對噪音的魯棒性；將多個去噪自編碼器模型堆疊形成棧式自編碼器網(wǎng)絡(luò)，加深模型深度，提高準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明屬于電網(wǎng)故障診斷技術(shù)領(lǐng)域，尤其涉及一種變壓器故障檢測方法及裝置，具 體是一種基于多源信息融合下棧式自編碼器模型變壓器故障檢測方法及裝置。

背景技術(shù)

電網(wǎng)故障診斷是實(shí)現(xiàn)智能電網(wǎng)自愈功能的重要應(yīng)用。電網(wǎng)發(fā)生故障時(shí)，電網(wǎng)故障檢 測從海量故障數(shù)據(jù)中迅速分析故障相關(guān)數(shù)據(jù)，發(fā)現(xiàn)故障原因，輔助電力人員進(jìn)行處理，從而快速恢復(fù)供電，保證電網(wǎng)安全可靠運(yùn)行。電力變壓器是電力系統(tǒng)的主要設(shè)備之一， 直接影響著電力系統(tǒng)的生產(chǎn)安全與經(jīng)濟(jì)效益。因此，電力變壓器故障的及時(shí)檢測并對其 采取有效的維護(hù)措施，對保障電力系統(tǒng)運(yùn)行的安全性、可靠性與經(jīng)濟(jì)性具有重要的意義。 但目前的變壓器診斷方法還有一些不足，例如，大多數(shù)研究僅使用單一數(shù)據(jù)源進(jìn)行融合， 不能完整地反映變壓器的運(yùn)行狀態(tài)；大多數(shù)信息融合方法都屬于淺層機(jī)器學(xué)習(xí)因此準(zhǔn)確 度不高；在數(shù)據(jù)檢測方面往往僅考慮離線數(shù)據(jù)，這導(dǎo)致變壓器地實(shí)時(shí)監(jiān)測效果較差。

為了解決這些問題，專利1：一種基于多源信息融合的電力變壓器故障診斷方法,公 開號：CN109669087A，申請?zhí)枺篊N201910101086.X提出了利用深度信念網(wǎng)絡(luò)進(jìn)行故障檢測有效地解決了上述幾個問題。但深度信念網(wǎng)絡(luò)模型是一個基于概率的不確定模型，其 訓(xùn)練時(shí)間較長且未考慮數(shù)據(jù)中的噪音問題以及數(shù)據(jù)源中的信息冗余。

發(fā)明內(nèi)容

針對上述現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種變壓器故障檢測方法及裝置，目 的在于利用深度學(xué)習(xí)技術(shù)結(jié)合多源信息融合解決電力變壓器故障檢測的問題。

為達(dá)到上述發(fā)明目的，本發(fā)明是采用如下技術(shù)方案來實(shí)現(xiàn)的：

本發(fā)明為一種變壓器故障檢測方法，包括以下步驟：

采集電力變壓器數(shù)據(jù)，

將電力變壓器數(shù)據(jù)輸入至預(yù)先訓(xùn)練好的多源信息融合下的棧式自編碼器模型進(jìn)行 故障概率計(jì)算，得到故障概率計(jì)算結(jié)果；其中，所述棧式自編碼器模型的訓(xùn)練數(shù)據(jù)為多源電力變壓器數(shù)據(jù)，

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

所述電力變壓器數(shù)據(jù)包括電力變壓器油中溶解氣體 H₂、C₂H₂、CH₄、C₂H₆、CO、C₂H₄的體積分?jǐn)?shù)、局部放電量及套管介質(zhì)損耗因數(shù)。

在采集到電力變壓器數(shù)據(jù)之后，進(jìn)一步包括：對采集到的數(shù)據(jù)進(jìn)行歸一化處理，具體包括：

將所有輸入向量轉(zhuǎn)化為0-1之間的數(shù)據(jù)：

其中x為原始輸入數(shù)據(jù)，x為歸一化處理后的輸入數(shù)據(jù)，min為x對應(yīng)樣本數(shù)據(jù)中 的最小值，max為x對應(yīng)樣本數(shù)據(jù)中的最大值。

所述訓(xùn)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(shù)據(jù)；

對采集到的電力變壓器歷史數(shù)據(jù)進(jìn)行歸一化處理；