变压器故障诊断方法及变压器故障诊断装置制造方法及图纸

本发明专利技术涉及变压器技术领域，提供一种变压器故障诊断方法及装置，所述方法包括：获取目标变压器的当前DGA数据和所述目标变压器的当前运行数据；将所述当前DGA数据和所述当前运行数据输入已训练的故障诊断模型，以获得所述已训练的故障诊断模型输出的变压器故障类型；其中，所述已训练的故障诊断模型采用深度学习技术对预先采集的历史故障数据进行学习而获得。本发明专利技术提供的技术方案，能够对变压器故障类型进行快速、准确地诊断。

【技术实现步骤摘要】
变压器故障诊断方法及变压器故障诊断装置
本专利技术涉及变压器
，特别涉及一种变压器故障诊断方法及一种变压器故障诊断装置。
技术介绍
变压器是电力系统的核心设备，在电力的生产、传输和消费中至关重要，研究电力变压器故障诊断方法对提高电力系统运行的安全性和可靠性具有决定性意义。变压器故障一般可分为过热故障和放电故障，机械性故障及内部进水受潮等故障将发展为电性故障而表现出来。通常将变压器故障类型分为低能放电、高能放电、局部放电、低温过热(温度小于300℃时)、中温过热(温度在300℃和700℃之间时)、高温过热(温度大于700℃时)、低能放电兼过热和高能放电兼过热8种故障类型。目前对于变压器故障类型的智能诊断，主要基于变压器故障发生时变压器油中溶解的气体成分来进行，即将故障发生时变压器油中溶解的气体成分作为特征向量，建立该特征向量与变压器故障类型之间的非线性映射关系，通过检测分析变压器在发生故障时变压器油中溶解的气体成分(DissolvedGassesAnalysis，DGA)来诊断相应的故障类型。但这种方式由于局限于阈值诊断的范本文档来自技高网...

【技术保护点】
1.一种变压器故障诊断方法，其特征在于，所述方法包括：/n获取目标变压器的当前DGA数据和所述目标变压器的当前运行数据；/n将所述当前DGA数据和所述当前运行数据输入已训练的故障诊断模型，以获得所述已训练的故障诊断模型输出的变压器故障类型；其中，所述已训练的故障诊断模型采用深度学习技术对预先采集的历史故障数据进行学习而获得。/n

【技术特征摘要】
1.一种变压器故障诊断方法，其特征在于，所述方法包括：
获取目标变压器的当前DGA数据和所述目标变压器的当前运行数据；
将所述当前DGA数据和所述当前运行数据输入已训练的故障诊断模型，以获得所述已训练的故障诊断模型输出的变压器故障类型；其中，所述已训练的故障诊断模型采用深度学习技术对预先采集的历史故障数据进行学习而获得。


2.根据权利要求1所述的变压器故障诊断方法，其特征在于，所述预先采集的历史故障数据包括：所述目标变压器发生故障时的DGA数据、运行数据，以及与该DGA数据和该运行数据对应的故障类型，所述采用深度学习技术对预先采集的历史故障数据进行学习，获得所述已训练的故障诊断模型，包括：
建立所述预先采集的历史故障数据中的DGA数据、所述预先采集的历史故障数据中的运行数据与所述预先采集的历史故障数据中的故障类型之间的关系，获得变压器故障经验池；
采用深度学习技术对所述变压器故障经验池进行学习，获得所述已训练的故障诊断模型。


3.根据权利要求2所述的变压器故障诊断方法，其特征在于，所述采用深度学习技术对所述变压器故障经验池进行学习，获得所述已训练的故障诊断模型，包括：
基于卷积神经网络采用深度学习技术对所述变压器故障经验池进行非监督学习，确定所述卷积神经网络各层的权重，获得所述已训练的故障诊断模型。


4.根据权利要求1所述的变压器故障诊断方法，其特征在于，所述方法还包括：
对所述已训练的故障诊断模型进行优化，获得优化的故障诊断模型；
将所述当前DGA数据和所述当前运行数据输入所述优化的故障诊断模型，以获得所述优化的故障诊断模型输出的变压器故障类型。


5.根据权利要求4所述的变压器故障诊断方法，其特征在于...

【专利技术属性】
技术研发人员：甄岩，贺金红，霍超，白晖峰，王立城，张港红，尹志斌，高建，苑佳楠，
申请(专利权)人：北京智芯微电子科技有限公司，国网信息通信产业集团有限公司，
类型：发明
国别省市：北京;11