[發明專利]基于多模態神經網絡的電力變壓器健康狀態評估方法

在審

• 申請號: 202210030825.2
• 申請日: 2022-01-12
• 公開（公告）號: CN114462508A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 何怡剛;邢致愷;杜博倫;趙瑩瑩
• 申請（專利權）人: 寧波力斗智能技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q10/06;G06Q50/06
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 張宇

本發明公開了一種基于多模態神經網絡的變壓器健康狀態評估方法，包括：采集各變電站中變壓器的油中氣體和紅外圖像；對采集的信息進行數據清洗和數據歸一化，得到多模態矩陣；將多模態矩陣按比例劃分為訓練集和驗證集；構建基于一維卷積神經網絡和深度殘差神經網絡的多模態神經網絡，輸入訓練集和驗證集進行網絡訓練；利用實時采集的數據經過濾波后得到可訓練的數據，進行健康狀態評估和網絡參數的更新。本發明利用一維卷積神經網絡從油中氣體數據中提取文本特征，深度殘差神經網絡從紅外圖像中提取圖像特征，由稀疏注意力機制從文本特征和圖像特征中獲得電力變壓器統一表征，并得到變壓器的健康狀態。該神經網絡具有準確的評估性能和穩定的魯棒性。

技術領域

本發明屬于電力變壓器健康狀態評估技術領域，更具體地，涉及一種基于多模態神經網絡的電力變壓器健康狀態評估方法。

背景技術

電網的安全穩定運行是可靠供電的基礎。電網一旦發生故障，不僅損壞電力設備，停止供電，影響人民正常生產、生活，嚴重時還會危害公共安全，造成重大經濟損失和不良社會影響。電力變壓器是十分重要的電壓轉換節點，是變電站核心設備，并且電力變壓器造價昂貴，突發故障停運會嚴重危害電力系統的安全。然而變壓器在長期運行過程中，受熱、電及其他因素影響，出現缺陷的風險逐漸增大，缺陷點會快速發展為故障，造成變壓器停運，影響電網的穩定運行，甚至造成大面積停電。

電力變壓器狀態評估是判斷變壓器健康狀態的一種有效手段。變壓器在運行過程中積累的數據蘊含豐富狀態信息，是進行狀態評估和故障診斷的有效基礎。通過對變壓器的某些指標進行檢測和分析，能夠對電力變壓器的健康狀況做出準確、可靠的評估和診斷，為后續的處理方式提供有依據的決策。因此，制定有效、可靠的電力變壓器狀態評估方法已成為國內外學者和工程師們亟需解決的一個問題。目前，故障診斷方法針對單一模態的數據進行故障診斷，但變壓器的數據具有多源、異構的特征，新的多模態故障診斷技術仍需要研究。然而在多模態學習應用的實際任務中，由于不同模態數據之間具有相似性，導致不同模態數據提供的信息存在一定的冗余，如果將不同模態的數據提取到的特征進行簡單的拼接融合，往往會降低模型在目標任務上的性能。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提出了一種基于多模態神經網絡的電力變壓器健康狀態評估方法，解決現有技術中過于依賴各變量參數的選擇、無法評估多變量情形下的健康狀態等缺陷，評估效率和準確性更高。

為實現上述目的，本發明提供了一種基于多模態神經網絡的電力變壓器健康狀態評估方法，包括：

(1)采集各變電站中的多模態信息，其中，多模態信息包括：各變電站油測試、油中溶解氣體和呋喃含量監測信息，以及變壓器的紅外圖像數據；

(2)對采集到的多模態信息進行數據清洗和數據歸一化處理，得到多模態矩陣；

(3)將多模態矩陣按比例劃分為訓練集和驗證集，以對網絡的參數進行訓練；

(4)構建基于一維卷積網絡和深度殘差神經網絡的多模態神經網絡，輸入訓練集和驗證集進行多模態神經網絡訓練，學習變壓器多模態數據的特征；

(5)對實時運行的多模態數據進行健康狀態評估，同時對多模態神經網絡的權值進行微調，使多模態神經網絡持續學習新的特征。

在一些可選的實施方案中，所述多模態信息包括：運行中變壓器以及電力公司記錄的數據，其中每一組數據均包括文本數據和圖像數據及其對應的變壓器的健康狀態，文本數據包含九種關鍵狀態的含量：BDV、水含量、酸度、氫氣、甲烷、乙烷、乙烯、乙炔、呋喃含量；圖像數據包含變壓器運行中的紅外圖像。

在一些可選的實施方案中，步驟(2)包括：

(2.1)對多模態信息進行小波閾值去噪，以消除多模態信息中數據存在的噪聲；

(2.2)對去噪后的數據進行歸一化處理，得到多模態矩陣。