[發明專利]地埋式變電站的故障診斷方法、裝置及電子設備

在審

• 申請號: 202011157113.4
• 申請日: 2020-10-26
• 公開（公告）號: CN112329914A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 周斌;何洋;黎燦兵;李雅凱;李文芳;游玫瑰;王懷智
• 申請（專利權）人: 華翔翔能科技股份有限公司;湖南大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G01R31/00;G06Q50/06
• 代理公司: 長沙智勤知識產權代理事務所(普通合伙) 43254
• 代理人: 彭鳳琴

1.一種地埋式變電站的故障診斷方法，其特征在于，包括以下步驟：

獲取地埋式變電站的電氣量數據與非電氣量數據；

對所述電氣量數據與非電氣量數據分別進行預處理，得到待輸入數據；

將所述待輸入數據輸入到預先訓練好的元集成學習模型中進行處理，輸出得到地埋式變電站的故障診斷結果。

2.如權利要求1所述地埋式變電站的故障診斷方法，其特征在于，所述非電氣量數據包括地埋式變電站的聲紋數據。

3.如權利要求2所述地埋式變電站的故障診斷方法，其特征在于，所述對所述非電氣量數據進行預處理的步驟具體包括：

對所述聲紋數據進行消噪處理；

對消噪后的聲紋數據進行特征提取，得到所述聲紋數據的時頻特征。

4.如權利要求3所述地埋式變電站的故障診斷方法，其特征在于，所述元集成學習模型包括至少一個子分類網絡，集成權重動態迭代網絡以及集成網絡，所述將所述待輸入數據輸入到預先訓練好的元集成學習模型中進行處理，輸出得到地埋式變電站的故障診斷結果的步驟具體包括：

將所述聲紋數據的時頻特征輸入到所述子分類網絡，得到第一輸出；

將所述電氣量特征以及非電氣量特征輸入到所述集成權重動態迭代網絡，得到第二輸出，所述非電氣量特征包括所述聲紋數據的時頻特征；

將所述第一輸出與所述第二輸出通過集成網絡進行集成處理，輸出得到所述地埋式變電站的故障診斷結果。

5.如權利要求1所述地埋式變電站的故障診斷方法，其特征在于，所述元集成學習模型的訓練包括以下步驟：

獲取不同運行狀態下所述地埋式變電站的樣本電氣量數據與樣本非電氣量數據；

對所述樣本電氣量數據與樣本非電氣量數據分別進行預處理，得到樣本集數據；

基于所述樣本集數據對所述元集成學習模型進行訓練。

6.如權利要求5所述地埋式變電站的故障診斷方法，其特征在于，所述樣本非電氣量數據包括不同運行狀態下所述地埋式變電站的樣本聲紋數據，所述對所述樣本電氣量數據與樣本非電氣量數據分別進行預處理，得到樣本集數據的步驟具體包括：

對所述樣本聲紋數據進行消噪處理；

對消噪后的樣本聲紋數據進行特征提取，得到所述樣本聲紋數據的時頻特征；

對所述樣本電氣量數據與樣本非電氣量數據分別進行標準化處理和降維處理，得到樣本集數據，所述樣本集數據包括樣本電氣量特征以及樣本非電氣量特征，所述樣本非電氣量特征包括所述樣本聲紋數據的時頻特征。

7.如權利要求6所述地埋式變電站的故障診斷方法，其特征在于，所述元集成學習模型包括至少一個子分類網絡，集成權重動態迭代網絡以及集成網絡，所述基于所述樣本集數據對所述元集成學習模型進行訓練的步驟具體包括：

將所述樣本聲紋數據的時頻特征輸入到所述子分類網絡，得到第一訓練輸出；

將所述樣本電氣量特征以及樣本非電氣量特征輸入到所述集成權重動態迭代網絡，得到第二訓練輸出；

將所述第一訓練輸出與所述第二訓練輸出通過集成網絡進行集成處理，得到前向傳播結果；

基于所述前向傳播結果，計算元集成學習模型的損失函數；

通過迭代訓練，最小化元集成學習模型的損失函數，得到訓練好的元集成學習模型。

8.一種地埋式變電站的故障診斷裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取地埋式變電站的電氣量數據與非電氣量數據；

第一預處理模塊，用于對所述電氣量數據與非電氣量數據分別進行預處理，得到待輸入數據；

輸出模塊，用于將所述待輸入數據輸入到預先訓練好的元集成學習模型中進行處理，輸出得到地埋式變電站的故障診斷結果。

9.一種電子設備，其特征在于，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1至7中任一項所述的地埋式變電站的故障診斷方法中的步驟。