[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

本發明公開了一種基于CNN的變壓器故障診斷方法、裝置、設備及存儲介質，涉及變壓器故障在線監測技術領域，所述方法包括：采集各變壓器的原始故障數據集；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。本方法利用CNN模型直接從原始數據中進行特征提取，無需人工干預，并將傳統CNN模型中的全連接層改設為降維減參層，有效地減少油中溶解氣體檢測過程中噪聲和誤差帶來的影響。

技術領域

本發明涉及變壓器故障在線監測技術領域，尤其涉及一種基于CNN的變壓器故障診斷方法、裝置、設備及存儲介質。

背景技術

近年來，智能電網是我國電力部門與電網公司發展的目標與方向，而對變壓器的運行狀態進行故障診斷智能化也成為必然趨勢，隨著變壓器變壓等級的增高和電機容量的增大，其發生故障的概率也越來越高，而且故障原因和故障類型復雜多樣。油浸式變壓器的故障診斷方法從最初的定期檢修已經發展為現在的在線監測，其主要是在油中溶解氣體(DGA)的基礎上結合現有智能算法對變壓器進行故障診斷，而隨著機器學習研究的不斷興起，基于數據驅動的智能故障診斷方法逐漸成為變壓器故障診斷領域的主流應用，這種方法雖然有一定效果，但仍然突顯出許多不足：一方面，提取的特征主要用于解決特定故障問題，通用性差，且在大數據樣本環境下難以完成；另一方面還存在著訓練精度不足，訓練速度過慢等問題。

發明內容

本發明提供的一種基于CNN的變壓器故障診斷方法，旨在解決現有技術中模型訓練速度慢、準確度不高的問題，減少模型訓練和計算時間，有利于故障的實時快速診斷和檢測。

為實現上述目的，本發明采用以下技術方案：

本發明的一種基于CNN的變壓器故障診斷方法，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。

作為優選，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。

作為優選，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。

作為優選，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；