基于时间序列变换器的断路器故障诊断方法及系统技术方案

本发明专利技术提出基于时间序列变换器的断路器故障诊断方法及系统，涉及断路器故障诊断技术领域。包括采集断路器正常工况以及故障状态下的原始振动信号；将原始振动信号输入至构建的TST网络中，对原始振动信号进行分片处理，获得多个子序列；对多个子序列进行时间序列嵌入处理，将数据段映射到高维嵌入空间，获取词元；对词元进行位置编码后输入至Transformer层中，利用多头注意力机制和多层感知机分别提取特征，得到最终的原始振动信号的特征表示，对断路器的故障进行诊断。本发明专利技术提取的特征向量具有更好的类内紧凑性和类间可分离性，不需要大批量的数据，可以在小批量上操作，具有很好的表达能力。

【技术实现步骤摘要】

本专利技术属于断路器故障诊断，尤其涉及基于时间序列变换器的断路器故障诊断方法及系统。

技术介绍

1、高压断路器是电力系统中重要的设备，起到控制和保护电网的作用，在电网正常运行或异常事件发生时，及时安全地接通或者切断载荷。

2、随着人工智能算法的发展，数据驱动的故障诊断方法受到越来越多受到关注。目前，故障诊断领域常用的机器学习方法包括支持向量机(svm)、k近邻(knn)算法、自组织映射(som)等。诊断流程主要是首先使用特征提取算法包括变分模态分解(vmd)，结合时域和频域特征提取高维时频域特征，采用拉普拉斯分数(ls)、最大相关最小冗余等来降低特征的高维数，最后将降维后的特征作为分类器输入。

3、近年深度学习(dl)作为机器学习的重要分支发展迅速，dl模型如stacked auto-encoder(sae)、deep belief network(dbn)、convolutional神经网络(cnn)和循环神经网络(rnn)在机械故障诊断领域也获得了许多应用。然而这些技术本身具有一些缺点，例如在卷积网络中为了放大感受野使用池化操作本文档来自技高网...

【技术保护点】

1.基于时间序列变换器的断路器故障诊断方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于时间序列变换器的断路器故障诊断方法，其特征在于：

3.如权利要求2所述的基于时间序列变换器的断路器故障诊断方法，其特征在于：

4.如权利要求1所述的基于时间序列变换器的断路器故障诊断方法，其特征在于：

5.如权利要求4所述的基于时间序列变换器的断路器故障诊断方法，其特征在于，多头注意力模块后面的残差连接及归一化层，表示为：

6.如权利要求5所述的基于时间序列变换器的断路器故障诊断方法，其特征在于：

7.如权利要求1所述的...

【技术特征摘要】

1.基于时间序列变换器的断路器故障诊断方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于时间序列变换器的断路器故障诊断方法，其特征在于：

3.如权利要求2所述的基于时间序列变换器的断路器故障诊断方法，其特征在于：

4.如权利要求1所述的基于时间序列变换器的断路器故障诊断方法，其特征在于：

5.如权利要求4所述的基于时间序列变换器的断路器故障诊断方法，其特征在于，多头注意力模块后面的残差连接及归一化层，表示为：

6.如权利要求5所述的基于时间序列变换器的断路器故障诊断方法，其特征在于：

7.如...

【专利技术属性】
技术研发人员：王晓龙，刘勤哲，赵彤，孙滢，张远涛，刘亚迪，戴晓雯，
申请(专利权)人：山东大学，
类型：发明
国别省市：