本发明专利技术提供一种变压器故障识别模型的训练方法、装置、设备及存储介质，方法包括：获取历史故障案例集合；历史故障案例集合中每个历史故障案例均包括：故障表征以及与故障表征对应的故障认定结果；故障表征由色谱仪对变压器油检测得到，包括：变压器油中的油中溶解气体及油中溶解气体的第一含量；从历史故障案例集合中提取全部故障表征，并按照故障认定结果对应标注故障表征；将完成标注的故障表征进行组合得到第一训练集合；将第一训练集合发送至交互端，供用户修正故障表征的标注得到第二训练集合；接收交互端发送的第二训练集合；采用第二训练集合对识别模型进行训练，得到故障识别模型。采用本发明专利技术能够训练得到高识别准确度的故障识别模型。故障识别模型。故障识别模型。
【技术实现步骤摘要】
变压器故障识别模型的训练方法、装置、设备及存储介质
[0001]本专利技术实施例涉及变压器故障诊断
，尤其涉及一种变压器故障识别模型的训练方法、装置、设备及存储介质。
技术介绍
[0002]变压器油，又称绝缘油，是天然石油经过蒸馏、精炼而获得的一种矿物油，是石油中的润滑油馏分经酸碱精制处理得到的纯净稳定、粘度小、绝缘性好、冷却性好的液体天然碳氢化合物的混合物。
[0003]变压器运行过程中的各类故障往往都会对变压器油产生影响，进而在变压器油中产生部分溶解于变压器油中的油中溶解气体。在故障诊断时，可以基于变压器油的色谱数据(即对油中溶解气体和油中溶解气体含量的测定数据)对变压器故障进行识别。
[0004]当前，基于上述故障识别原理(即通过变压器的油色谱数据)，部分故障识别方案为了提高识别效率，训练识别模型进行变压器故障识别。但采用现有训练方法训练得到的变压器故障识别模型识别准确度低。
技术实现思路
[0005]本专利技术实施例提供一种变压器故障识别模型的训练方法、装置、设备及存储介质，以解决采用现有训练方法训练得到的变压器故障识别模型识别准确度低的问题。
[0006]为了解决上述技术问题，本专利技术是这样实现的：
[0007]第一方面，本专利技术实施例提供了一种变压器故障识别模型的训练方法，包括：
[0008]获取步骤：获取历史故障案例集合；其中，所述历史故障案例集合中每个历史故障案例均包括：故障表征，以及与所述故障表征对应的故障认定结果；所述故障表征由色谱仪对变压器油检测得到，包括：变压器油中的油中溶解气体及所述油中溶解气体的第一含量；
[0009]标注步骤：从所述历史故障案例集合中提取全部所述故障表征，并按照所述故障认定结果对应标注所述故障表征；将完成标注的故障表征进行组合得到第一训练集合；
[0010]修正步骤：将所述第一训练集合发送至与用户关联的交互端，供用户修正所述故障表征的标注得到第二训练集合；
[0011]接收步骤：接收所述交互端发送的所述第二训练集合；
[0012]训练步骤：采用所述第二训练集合对识别模型进行训练，得到故障识别模型。
[0013]可选地，
[0014]所述训练步骤，之前包括：
[0015]第一校验步骤：校验所述第二训练集合中是否存在残缺表征，得到第一校验结果；
[0016]第一执行步骤：若所述第一校验结果为存在，对所述残缺表征进行补全处理，得到新的所述第二训练集合；以新的所述第二训练集合继续执行所述训练步骤；
[0017]其中，所述残缺表征为缺失至少一项所述第一含量的故障表征，和/或为至少一项所述第一含量为“0”值的故障表征；所述补全处理包括：采用预设的补全算法对缺失的所述
第一含量进行补全，和/或根据预设的赋值规则对为“0”值的所述第一含量重新赋值。
[0018]可选地，
[0019]所述训练步骤，之前包括：
[0020]分类步骤：依照标注对所述第二训练集合中的故障表征进行分类；
[0021]第二校验步骤：计算各分类的故障表征之间的数量比，校验所述数量比是否超出预设的数量比阈值，得到第二校验结果；
[0022]第二执行步骤：若所述第二校验结果为超出，确定偏离所述数量比阈值的分类为目标分类，采用自适应综合过采样ADASYN算法生成对应所述目标分类的虚拟故障表征；将所述虚拟故障表征加入所述第二训练集合，得到新的所述第二训练集合；以新的所述第二训练集合返回所述第二校验步骤直至所述第二校验结果为不超出；
[0023]第三执行步骤：若所述第二校验结果为不超出，继续执行所述训练步骤。
[0024]可选地，
[0025]所述训练步骤，之前包括：
[0026]第三校验步骤：校验所述第二训练集合中各所述第一含量的量纲是否为同一量纲，得到第三校验结果；
[0027]第四执行步骤：若所述第三校验结果为非同一量纲，将全部所述第一含量的量纲转换为预设的目标量纲，得到新的所述第二训练集合；以新的所述第二训练集合继续执行所述训练步骤。
[0028]可选地，
[0029]所述训练步骤，包括：
[0030]初级训练步骤：采用所述第二训练集合对基础识别模型进行训练，得到初级故障识别模型；
[0031]第四校验步骤：获取所述初级故障识别模型在训练过程中的输出结果；根据所述输出结果及所述第二训练集合，确定所述初级故障识别模型是否满足预设的模型要求；
[0032]第五执行步骤：若所述初级故障识别模型满足所述模型要求，确定当前的所述初级故障识别模型为所述故障识别模型；
[0033]第六执行步骤：若所述初级故障识别模型不满足所述模型要求，对所述初级故障识别模型进行调优处理，以调优处理之后的所述初级故障识别模型作为新的所述基础识别模型返回所述初级训练步骤，直至所述初级故障识别模型满足所述模型要求。
[0034]可选地，
[0035]所述基础识别模型为梯度提升树GBDT识别模型；
[0036]所述调优处理包括以下至少一种处理方式：采用网格搜索法进行超参数调节、调节估计器n estimators参数、调节学习率learning_rate参数，以及调节最大深度max depth参数。
[0037]可选地，
[0038]根据所述输出结果及所述第二训练集合，确定所述初级故障识别模型是否满足预设的模型要求，包括：
[0039]根据所述输出结果及所述第二训练集合，确定所述初级故障识别模型的F1值；
[0040]核验所述F1值是否超出预设的F1阈值，得到核验结果；
[0041]若所述核验结果为超出，则所述初级故障识别模型满足预设的模型要求；
[0042]若所述核验结果为未超出，则所述初级故障识别模型不满足预设的模型要求。
[0043]第二方面，本专利技术实施例提供了一种变压器故障识别模型的训练装置，包括：
[0044]获取模块，用于获取步骤：获取历史故障案例集合；其中，所述历史故障案例集合中每个历史故障案例均包括：故障表征，以及与所述故障表征对应的故障认定结果；所述故障表征由色谱仪对变压器油检测得到，包括：变压器油中的油中溶解气体及所述油中溶解气体的第一含量；
[0045]标注模块，用于标注步骤：从所述故障案例集合中提取全部所述故障表征，并按照所述故障认定结果对应标注所述故障表征；将完成标注的故障表征进行组合得到第一训练集合；
[0046]修正模块，用于修正步骤：将所述第一训练集合发送至与用户关联的交互端，供用户修正所述故障表征的标注得到第二训练集合；
[0047]接收模块，用于接收步骤：接收所述交互端发送的所述第二训练集合；
[0048]训练模块，用于训练步骤：采用所述第二训练集合对识别模型进行训练，得到故障识别模型。
[0049]第三方面，本专利技术实施例提供了一种电子设备，包括处理器，存储器及存储在所述存储本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种变压器故障识别模型的训练方法，其特征在于，包括：获取步骤：获取历史故障案例集合；其中，所述历史故障案例集合中每个历史故障案例均包括：故障表征，以及与所述故障表征对应的故障认定结果；所述故障表征由色谱仪对变压器油检测得到，包括：变压器油中的油中溶解气体及所述油中溶解气体的第一含量；标注步骤：从所述历史故障案例集合中提取全部所述故障表征，并按照所述故障认定结果对应标注所述故障表征；将完成标注的故障表征进行组合得到第一训练集合；修正步骤：将所述第一训练集合发送至与用户关联的交互端，供用户修正所述故障表征的标注得到第二训练集合；接收步骤：接收所述交互端发送的所述第二训练集合；训练步骤：采用所述第二训练集合对识别模型进行训练，得到故障识别模型。2.根据权利要求1所述的变压器故障识别模型的训练方法，其特征在于：所述训练步骤，之前包括：第一校验步骤：校验所述第二训练集合中是否存在残缺表征，得到第一校验结果；第一执行步骤：若所述第一校验结果为存在，对所述残缺表征进行补全处理，得到新的所述第二训练集合；以新的所述第二训练集合继续执行所述训练步骤；其中，所述残缺表征为缺失至少一项所述第一含量的故障表征，和/或为至少一项所述第一含量为“0”值的故障表征；所述补全处理包括：采用预设的补全算法对缺失的所述第一含量进行补全，和/或根据预设的赋值规则对为“0”值的所述第一含量重新赋值。3.根据权利要求1所述的变压器故障识别模型的训练方法，其特征在于：所述训练步骤，之前包括：分类步骤：依照标注对所述第二训练集合中的故障表征进行分类；第二校验步骤：计算各分类的故障表征之间的数量比，校验所述数量比是否超出预设的数量比阈值，得到第二校验结果；第二执行步骤：若所述第二校验结果为超出，确定偏离所述数量比阈值的分类为目标分类，采用自适应综合过采样ADASYN算法生成对应所述目标分类的虚拟故障表征；将所述虚拟故障表征加入所述第二训练集合，得到新的所述第二训练集合；以新的所述第二训练集合返回所述第二校验步骤直至所述第二校验结果为不超出；第三执行步骤：若所述第二校验结果为不超出，继续执行所述训练步骤。4.根据权利要求1所述的变压器故障识别模型的训练方法，其特征在于：所述训练步骤，之前包括：第三校验步骤：校验所述第二训练集合中各所述第一含量的量纲是否为同一量纲，得到第三校验结果；第四执行步骤：若所述第三校验结果为非同一量纲，将全部所述第一含量的量纲转换为预设的目标量纲，得到新的所述第二训练集合；以新的所述第二训练集合继续执行所述训练步骤。5.根据权利要求1所述的变压器故障识别模型的训练方法，其特征在于：所述训练步骤，包括：初级训练步骤：采用所述第二训练集合对基础识别模型进行训练，得到初级故障识别模型；...
【专利技术属性】
技术研发人员：王云婷，周欣，
申请(专利权)人：特变电工京津冀智能科技有限公司天津珠峰硅钢股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。