[發明專利]一種基于油色譜時頻域信息和殘差注意力網絡的變壓器故障診斷方法及設備

在審

• 申請號: 202111121300.1
• 申請日: 2021-09-24
• 公開（公告）號: CN113889198A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 沙偉燕;吳旭濤;李秀廣;何寧輝;丁培;亓亮;張佩;田祿;張方博;戴軍
• 申請（專利權）人: 國網寧夏電力有限公司電力科學研究院;上海邁內能源科技有限公司
• 主分類號: G16C20/70
• 分類號: G16C20/70;G16C20/20;G06Q50/06;G06Q10/04;G06N3/08;G06N3/04
• 代理公司: 上海恒慧知識產權代理事務所(特殊普通合伙) 31317
• 代理人: 張寧展

本發明涉及一種基于油色譜時頻域信息和殘差注意力網絡的變壓器故障診斷方法及設備，所述設備包括油色譜時頻域信息采集處理程序模塊和殘差注意力網絡程序模塊，所述油色譜時頻域信息采集處理程序模塊包括油色譜監測數據采集清洗程序子模塊和油色譜時頻域信息樣本數據生成程序子模塊，所述殘差注意力網絡程序模塊堆疊多層殘差注意力機制程序子模塊，所述殘差注意力機制程序子模塊由用于計算注意力權重的表層注意力網絡和用于特征提取和學習的表征殘差網絡組成、按照跨層連接對殘差進行學習的殘差網絡模型構建殘差注意力網絡。有益效果是基于油色譜時頻域信息和殘差注意力網絡、提升變壓器故障分類診斷準確度。

【技術領域】

本發明涉及電站設備故障分類技術領域，具體涉及一種基于油色譜時頻域信息和殘差注意力網絡的變壓器故障診斷方法及設備。

【背景技術】

色譜又稱色層法或層析法，是一種物理化學分析方法，它利用不同溶質(樣品)與固定相和流動相之間的作用力(分配、吸附、離子交換等)的差別，當兩相做相對移動時，各溶質在兩相間進行多次平衡，使各溶質達到相互分離。分析性色譜的目的是定量或者定性測定混合物中各組分的性質和含量。色譜圖是指被分離組分的檢測信號隨時間分布的圖像，樣品流經色譜柱和檢測器，所得到的信號-時間曲線，又稱色譜流出曲線。

對于電力系統中變壓器故障的診斷檢測，是否能夠迅速的對其故障類型進行判斷，及時給出檢修方案進行故障排查和檢修是非常重要的，這會直接影響最終是否會造成大范圍的停電，甚至引發設備的爆炸，影響周圍工作人員的生命安全，給人民的生產和生活帶來重大的經濟損失。目前廣泛使用的是油浸式變壓器。用色譜法測定變壓器油中溶解氣體的組分含量，是發供電企業判斷運行中的充油電力設備是否存在潛伏性的過熱、放電等故障，以保障電網安全有效運行的有效手段。在油浸式變壓器的運行中，會受到外界環境和自身運行的影響，產生一些氣體，如甲烷、乙烷、乙炔等。在正常運行和異常狀態時，這些氣體的濃度會呈現不同的比例形式。從而可以根據這些氣體濃度，實現對變壓器狀態的評估和故障的分類。

已有的研究方法包括閾值法、三比值法和數據驅動的智能算法等。閾值法通過大量的實際數據，總結出來的一個經驗范圍。該閾值只能粗略的判斷設備是否處于正常運行狀態，如果出現了異常，則并不能判斷具體的故障類型；并且變壓器的故障發生是一個動態連續的過程，在故障發生初期，可能濃度并沒有超過閾值，但是此時已經算在故障內，所以利用閾值法無法對早期的故障進行偵測。三比值法也是通過實驗總結得出的結論，使用的方法包括IEC比值、 Rogers比值、Dornenburg比值和Duval比值等；在實際的變壓器運行時，由于故障發生時的不確定性和復雜性，利用比值法規定的界限過于絕對，其劃分的編碼區域存在一定的模糊性，無法準確的覆蓋所有的故障形式；同時，三比值法也無法對故障發生的動態過程進行分析，對早期故障的識別效果較差。目前隨著在線監測裝置的使用，大量的實測數據可以獲取。并且隨著智能算法的不斷研究法發展，已經有很多利用數據驅動的智能算法來對變電站的運行狀態進行評估。

近年來，雖然基于數據驅動的智能算法已經取得了一定的研究成果，但是仍然存在一些問題。首先傳統的智能算法只是將油色譜數據的原始數據，即時域信息輸入到網絡模型，忽略了頻域所蘊含的豐富的潛在信息。目前流行的人工智能方法如各種卷積神經網絡往往不具備可解釋性，模型提取的特征人類無法理解，也因此無法判斷特征好壞和引入先驗知識。其次由于變電站故障的多樣性和復雜性，為了更加準確的對故障進行分類，傳統模型通過增加網絡層數來期待提高網絡的學習能力。但是隨著網絡層數的增加，模型能加容易趨于過擬合狀態，反而降低了分類準確度。并且更多的網絡層數意味著有更多的網絡參數需要進行訓練，大大增加了網絡的訓練時間。

基于此，期望獲得一種新的故障分類診斷方法，其能夠進一步提升對變壓器故障分類診斷的準確度。