[發明專利]一種基于CNN的變壓器故障診斷方法、裝置、設備及存儲介質

在審

• 申請號: 202111662016.5
• 申請日: 2021-12-30
• 公開（公告）號: CN114298237A
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 張順;葛智平;曹士保;張彥凱;陳力;李彪;祁向孟;李生鵬;姚洪宇;趙冰;陳軍;張瑞山;王長義
• 申請（專利權）人: 蘭州隴能電力科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 高明翠

1.一種基于CNN的變壓器故障診斷方法，其特征在于，包括以下步驟：

采集各變壓器油中溶解氣體的多組監測數據及對應的多個故障標簽，將多組所述監測數據與對應的故障標簽組合得到原始故障數據集；

對所述原始故障數據集進行預處理，得到多個二維特征圖；

將所述多個二維特征圖輸入CNN模型中進行訓練得到CNN診斷模型；

獲取待診斷變壓器油中溶解氣體的實時監測數據，對所述實時監測數據進行相應的預處理后輸入到所述CNN診斷模型中，輸出所述待診斷變壓器的故障標簽，得到最終診斷結果。

2.根據權利要求1所述的一種基于CNN的變壓器故障診斷方法，其特征在于，所述對所述原始故障數據集進行預處理，得到多個二維特征圖，包括：

對所述原始故障數據集進行數據標準化處理；

利用等分截斷對標準化處理后的原始故障數據集進行數據劃分得到h個等長的一維時間序列數據段，每個一維時間序列數據段的長度為k個數據點，其中，h、k為大于1的整數；

對所述h個一維時間序列數據段分別進行數據格式重構，得到多個二維特征圖。

3.根據權利要求2所述的一種基于CNN的變壓器故障診斷方法，其特征在于，所述對所述h個一維時間序列數據段分別進行數據格式重構，得到多個二維特征圖，包括：將所述h個一維時間序列數據段分別等分為m份，每份包含n個數據點，將第1份n個數據點放在第1行，第2份n個數據點放在第2行，第3份n個數據點放在第3行，依次排序，第m份n個數據點放在第m行，從而得到h個m×n的二維特征圖，其中，m＝n，且m、n均為k的算數平方根。

4.根據權利要求1所述的一種基于CNN的變壓器故障診斷方法，其特征在于，所述將所述多個二維特征圖輸入CNN模型中進行訓練得到CNN診斷模型，包括：

將所述多個二維特征圖分別劃分為訓練集、驗證集和測試集；

將所述訓練集的數據輸入CNN模型中進行訓練，由所述驗證集的數據對訓練后的CNN模型進行驗證；

利用所述測試集的數據對驗證后的CNN模型進行測試，得到CNN診斷模型。

5.根據權利要求4所述的一種基于CNN的變壓器故障診斷方法，其特征在于，所述將所述訓練集的數據輸入CNN模型中進行訓練，還包括：

將所述訓練集的數據輸入CNN模型中，反復執行前向傳播和反向傳播迭代計算過程進行調參。

6.根據權利要求1所述的一種基于CNN的變壓器故障診斷方法，其特征在于，所述CNN模型包括：輸入層、特征提取層、降維減參層以及Softmax分類輸出層。

7.根據權利要求1所述的一種基于CNN的變壓器故障診斷方法，其特征在于，所述油中溶解氣體包括：氫氣、甲烷、乙烷、乙炔、乙烯。

8.根據權利要求1所述的一種基于CNN的變壓器故障診斷方法，其特征在于，所述故障標簽包括：0正常狀態、1中溫過熱、2高溫過熱、3局部放電、4火花放電、5電弧放電。

9.一種基于CNN的變壓器故障診斷裝置，其特征在于，包括：

采集模塊，用于采集各變壓器油中溶解氣體的多組監測數據及對應的多個故障標簽，將多組所述監測數據與對應的故障標簽組合得到原始故障數據集；

預處理模塊，用于對所述采集模塊得到的原始故障數據集進行預處理，得到多個二維特征圖；

訓練模塊，用于將所述預處理模塊得到的多個二維特征圖輸入CNN模型中進行訓練得到CNN診斷模型；

診斷模塊，用于獲取待診斷變壓器油中溶解氣體的實時監測數據，對所述實時監測數據進行相應的預處理后輸入到所述訓練模塊訓練的CNN診斷模型中，輸出所述待診斷變壓器的故障標簽，得到最終診斷結果。

10.根據權利要求9所述的一種基于CNN的變壓器故障診斷裝置，其特征在于，所述預處理模塊包括：

歸一化單元，用于對所述一維時間序列原始故障數據集進行數據標準化處理；

數據截斷單元，用于利用等分截斷對所述歸一化單元處理的原始故障數據集進行數據劃分得到h個等長的一維時間序列數據段，每個一維時間序列數據段的長度為k個數據點，其中，h、k為大于1的整數；

格式重構單元，用于對所述數據截斷單元劃分的h個一維時間序列數據段分別進行數據格式重構，得到多個二維特征圖。