一种变压器故障诊断方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种变压器故障诊断方法、装置、电子设备及存储介质。通过实时获取待故障诊断的变压器对应的变压器状态性能数据；将所述变压器状态性能数据输入至预先训练好的变压器故障分类器模型中，得到变压器故障诊断结果；其中，变压器故障分类器模型基于优化后的集成支持向量递归神经网络模型算法；将所述变压器故障诊断结果反馈至用户，以实现实时监测变压器的状态。本发明专利技术解决了不能实时对变压器进行状态诊断的问题，实现了及时对变压器的运行状况进行评估，有助于保障电力系统的安全稳定运行。定运行。定运行。

【技术实现步骤摘要】
一种变压器故障诊断方法、装置、电子设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种变压器故障诊断方法、装置、电子设备及存储介质。

技术介绍

[0002]变压器在电力系统中扮演着重要的角色，负责输电和配电的关键任务。它的安全稳定运行对生产生活至关重要，一旦发生故障，则会给电力系统带来许多负面影响。因此，及时对变压器的运行状况进行评估将有助于保障电力系统的安全稳定运行。
[0003]专利技术人在实现本专利技术的过程中，发现现有技术存在如下缺陷：目前，变压器诊断技术主要为三比值法和人工智能方法。但是，三比值法存在编码缺失的问题，会降低变压器诊断正确率；而当前的一些人工智能技术诸如贝叶斯分类器，神经网络等存在泛化能力较差、收敛困难等问题。。

技术实现思路

[0004]本专利技术提供了一种变压器故障诊断方法、装置、电子设备及存储介质，以实现及时对变压器的运行状况进行评估，有助于保障电力系统的安全稳定运行。
[0005]根据本专利技术的一方面，提供了一种变压器故障诊断方法，其中，包括：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变压器故障诊断方法，其特征在于，包括：实时获取待故障诊断的变压器对应的变压器状态性能数据；将所述变压器状态性能数据输入至预先训练好的变压器故障分类器模型中，得到变压器故障诊断结果；其中，所述变压器故障分类器模型基于优化后的集成支持向量递归神经网络ESVRNN模型算法；将所述变压器故障诊断结果反馈至用户，以实现实时监测变压器的状态。2.根据权利要求1所述的方法，其特征在于，在所述实时获取待故障诊断的变压器对应的变压器状态性能数据之前，还包括：获取多个历史变压器状态性能数据，以及与各所述历史变压器状态性能数据分别对应的历史变压器故障诊断类型；将各所述历史变压器状态性能数据和历史变压器故障诊断类型联合输入至预先构建初始变压器故障分类器模型进行训练，当所述初始变压器故障分类器模型对应的故障判定准确率达到预设的准确率阈值时，确定训练完成所述变压器故障分类器模型。3.根据权利要求2所述的方法，其特征在于，所述获取多个历史变压器状态性能数据，以及与各所述历史变压器状态性能数据分别对应的历史变压器故障诊断类型，包括：根据公式分别对各所述历史变压器状态性能数据进行极大极小归一化处理，得到各所述历史变压器状态性能归一化数据x
′
；其中，x表示由历史变压器状态性能数据构成的向量矩阵，且x∈R
n
×1；分别获取各所述历史变压器状态性能归一化数据对应的数据类型标签，并根据各所述数据类型标签，分别确定出与所述历史变压器状态性能归一化数据对应的历史变压器故障诊断类型。4.根据权利要求3所述的方法，其特征在于，所述变压器故障分类器模型对应的决策函数为f(x)＝w
T
x+b；其中，w表示权重向量矩阵，且w∈R
n
×1；b表示偏置；f(x)表示决策函数。5.根据权利要求4所述的方法，其特征在于，还包括：对所述决策函数进行标准二次规划处理，并根据遗传算法对获取到的ESVRNN模型算法中的核函数参数和惩罚函数进行优化，来确定出与所述变压器故障分类器模型对应的神经动力学方程为其中，γ表示标量参数，且γ＞0；γe
t
表示误差函数调整参数；ε(t)表示误差函数。6.根据权利要求5所述的方法，其特征在于，所述对所述决策函数进行标准二次规划处理，并根据遗传算法对获取到的ESVRNN模型算法中的核函数参数和惩罚函数进行优化，来确定出与所述变压器故障分类器模型对应的神经动力学方程，包括：对所述决策函数进行标准二次规划...

【专利技术属性】
技术研发人员：张建涛，邓惠华，杨星，潘文博，韩金尅，靳英，朱丽媛，冯文晴，张林海，江伟奇，巫耀发，刘宇兴，
申请(专利权)人：广东电网有限责任公司梅州供电局，
类型：发明
国别省市：