多模态信息融合网络的电力变压器故障诊断方法及系统技术方案

本发明专利技术公开了一种基于多模态信息融合网络的电力变压器故障诊断方法及系统，属于电力变压器故障诊断技术领域，包括：采集各变电站中变压器的油中气体和红外图形；将采集的数据按比例划分为训练集和测试集；构建基于双向门控神经网络和全局二级池化网络的多模态信息融合网络，并输入训练集和测试集进行网络训练；利用实时采集的数据得到可训练的数据，进行故障诊断和网络参数的更新。本发明专利技术利用双向门控神经网络对油中气体数据进行特征提取，由全局二级池化网络对红外图像进行特征提取，利用交叉注意力机制对提取的多模态特征进行融合，从而得到电力变压器的故障状态。该多模态信息融合神经网络具有准确的故障诊断性能和稳定的鲁棒性。稳定的鲁棒性。稳定的鲁棒性。

【技术实现步骤摘要】
多模态信息融合网络的电力变压器故障诊断方法及系统


[0001]本专利技术属于电力变压器故障诊断
，更具体地，涉及一种基于多模态信息融合网络的电力变压器故障诊断方法及系统。

技术介绍

[0002]高压大容量变压器的工作环境复杂，故障点追溯原因越来越复杂，存在多种因素联合影响的情况，长期以来的预防性试验与定期检修无法满足高压大容量变压器的运维要求。目前高压大容量变压器数据样本多样、非结构化、不确定性和各故障之间联系的复杂性构成了故障诊断技术上的难点，仅靠单一的特征无法完成实时故障诊断。因此，如何有效利用采集的多模态信息精确反映出变压器的运行状态是目前所面临的挑战。
[0003]在数据驱动方法中，故障诊断方法仅关注故障数据的单一模态，不能有效反映故障状态。变压器中存在多种故障状态，导致对同一故障状态的评估不同。为了克服这一问题，多模态神经网络的研究是有必要的。多模态方法融合了不同模型的显著特征，以获得统一的表示，减少了数据的冗余。总的来说，多模态方法提高了数据的利用率，建立了不同模态之间的关系，提高了故障诊断的准确性。大多数算法只对实时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态信息融合网络的电力变压器故障诊断方法，其特征在于，包括：采集各变电站中的电力变压器的油中气体数据和红外图像数据构成数据集，其中，油中气体数据包括：电力变压器的油测试、油中溶解气体和呋喃含量监测信息，电力变压器的红外图像数据包括由固定红外摄像头采集的红外图像；将输入的数据集按比例划分为训练集和测试集，以对多模态信息融合网络的参数进行训练；构建基于双向门控神经网络和全局二级池化网络的多模态信息融合网络，输入训练集和测试集进行多模态信息融合网络训练，学习电力变压器的油中气体数据和红外图像的特征；对实时运行的油中气体数据和红外图像数据进行故障诊断，同时对多模态信息融合网络的权值进行微调，使多模态信息融合网络根据数据的变化更新网络参数。2.根据权利要求1所述的方法，其特征在于，数据集中的每一组数据均包括电力变压器的油中气体数据和电力变压器对应的红外图像数据，油中气体数据包含九种关键状态的含量：BDV、水含量、酸度、氢气、甲烷、乙烷、乙烯、乙炔及呋喃含量，红外图像数据为固定红外摄像头采集的相应电力变压器的红外图像。3.根据权利要求1所述的方法，其特征在于，所述将输入的数据集按比例划分为训练集和测试集，包括：数据集中若干比例的数据作为训练集，以对多模态信息融合网络进行训练，数据集中剩下比例的数据作为测试集，以测试多模态信息融合网络对变压器故障诊断效果。4.根据权利要求1至3任意一项所述的方法，其特征在于，所述构建基于双向门控神经网络和全局二级池化网络的多模态信息融合网络，输入训练集和测试集进行多模态信息融合网络训练，学习电力变压器的油中气体数据和红外图像的特征，包括：由双向门控神经网络对电力变压器的油中气体数据进行特征提取得到油中气体特征，由全局二级池化网络对红外图像数据进行特征提取得到红外图像特征；利用交叉注意力机制对油中气体特征和红外图像特征进行信息融合，并输出变压器的故障状态。5.根据权利要求4所述的方法，其特征在于，所述双向...

【专利技术属性】
技术研发人员：邢致恺，刘慧，何鎏璐，
申请(专利权)人：宁波力斗智能技术有限公司，
类型：发明
国别省市：