基于相似性和对比学习的变压器故障检测方法系统及设备技术方案

本发明专利技术涉及变压器故障检测领域，具体为一种基于相似性和对比学习的变压器故障检测方法

【技术实现步骤摘要】
基于相似性和对比学习的变压器故障检测方法系统及设备


[0001]本专利技术涉及变压器故障检测领域，具体为一种基于相似性和对比学习的变压器故障检测方法
、
系统及设备
。

技术介绍

[0002]变压器在电力传输和配电中起着关键作用，任何故障都可能对电网的稳定性和可靠性产生严重影响
。
变压器故障诊断是电力系统维护和管理的重要方面
。
变压器故障可能导致电力系统的短路
、
火灾等安全事故，对人员和设备造成严重威胁
。
油质测试是评估变压器状况最常见的测试之一
。
油质测试通过对变压器中溶解的各种气体进行分析，即溶解气体分析，识别故障
。
现有溶解气体分析的技术有两种主流方法：基于解释方法和基于人工智能的方法
。
基于解释模型的变压器故障可细分为基于专家系统和基于规则系统的两种变压器故障诊断方法
。
[0003]基于专家系统的变压器故障诊断是一种基于专家知识和规则的方法
。
通过采集专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于相似性和对比学习的变压器故障检测方法，其特征在于，包括：采用余弦相似性计算变压器故障样本油中可溶解数据的相似性，确定变压器故障样本间的相似性；基于相似性值将每个变压器故障样本与其最相似的
K
个变压器故障样本连边，构造相似
KNN
图；同时将每个变压器故障样本与其最不相似的
K
个变压器故障样本连边，构造不相似
KNN
图；通过构建变压器故障检测的低通滤波器，学习相似
KNN
图的变压器故障节点表示；通过构建变压器故障检测的高通滤波器，学习不相似
KNN
图的变压器故障节点表示；利用变压器故障节点表示获取变压器故障类别间差异，使用排序对比学习方法实现学习变压器不同类别故障间的不一致模式，优化变压器故障节点表示；将优化的变压器故障节点表示，使用多层感知分类器确定变压器故障类别，将概率值最大的故障类别作为该样本故障类别
。2.
根据权利要求1所述的一种基于相似性和对比学习的变压器故障检测方法，其特征在于，所述采用余弦相似性计算变压器故障样本油中可溶解数据的相似性，其计算步骤为：其中，
sm
i,j
表示第
i
个变压器故障节点和第
j
个变压器故障节点的余弦相似性值，分别表示第
i
个变压器故障节点的特征向量和第
j
个变压器故障节点的特征向量，
d
表示故障节点的特征维度
。3.
根据权利要求2所述的一种基于相似性和对比学习的变压器故障检测方法，其特征在于，所述相似
KNN
图和所述不相似
KNN
图的构造步骤包括：基于变压器故障样本间的相似性值从大到小进行排序；每个变压器故障样本选取排序后的前
K
个样本作为其邻居构造相似性
KNN
图；每个变压器故障样本与排序后末尾
K
个样本连边构造不相似
KNN
图
。4.
根据权利要求1所述的一种基于相似性和对比学习的变压器故障检测方法，其特征在于，所述学习相似
KNN
图的变压器故障节点表示公式为：其中，是变压器检测中相似图的对称归一化邻接矩阵，
l∈{1
…
L}
是神经网络层数，
MLP
表示多层感知机，最后一层的表示被视为相似图中变压器样本节点的表示矩阵
H
(hm)
。5.
根据权利要求1所述的一种基于相似性和对比学习的变压器故障检测方法，其特征在于，所述学习不相似
KNN
图的变压器故障节点表示公式为：其中，
l∈{1
…
L}
，是变压器检测中不相似图的对称归一化拉普拉斯矩阵，
α
是控制变压器故障检测高通滤波器的超参数，最后一层的表示被视为不相似图中变压器样本节点的表示矩阵
H
(ht)
。
6.
根据权利要求1所述的一种基于相似性和对比学习的变压器故障检测方法，其特征在于，所述优化变压器故障节点表示的步骤包括：通过余弦相似性计算变压器各故障类别间的相似程度：其中，
s
i,j
表示第
i
类故障和第
j
类故障的相似程度，
i
，

【专利技术属性】
技术研发人员：马慧芳，张映月，张迪，
申请(专利权)人：西北师范大学，
类型：发明
国别省市：