【技术实现步骤摘要】
本专利技术涉及变压器，具体为一种变压器的状态预测和故障诊断方法。
技术介绍
1、变压器运行状态和故障发生受到多个方面的影响，其中包括自然的雷电，极端天气等灾害，人为、意外事故等外力伤害，或者产品本身因制造工艺、材料、运输等造成的质量缺陷。为保证变压器长期稳定健康的运行需要不断进行维护。目前电力变压器的维护任务主要包括两类，针对变压器出现问题时的故障检修，以及根据固定时间进行的定期检修。故障检修试运行设备出现状况或故障时进行维修，虽然节约成本，但是会存在维修不及时的问题，并且故障一旦已经出现，若没有快速反应容易引发严重后果。而定期维护模式则会根据维修周期的不同出现维护过度或者维护不足的情况，前者成本过高，而后者有安全隐患。而通过当前设备运行的各种参数，基于模型和算法对如油色谱等实时监测数据进行预测并提前诊断潜在的变压器故障，可以有效提升变压器的检修维护能力。因此，针对电力变压器进行状态预测，根据检测数据开展状态检修对于变压器运行维护具有十分重要的意义。
2、多年来的研究表明，变压器自身运行数据如油浸式变压器的油色谱气体等信息数...
【技术保护点】
1.一种变压器的状态预测和故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的变压器的状态预测和故障诊断方法，其特征在于，在步骤S100中，在输入至所述变压器状态预测及故障诊断模型前，先进行归一化处理；其中，
3.根据权利要求1所述的变压器的状态预测和故障诊断方法，其特征在于，将归一化后的气体特征量数据进行预处理，获取气体特征量时间序列数据；并将所述气体特征量时间序列数据划分为气体特征量时间序列训练集和气体特征量时间序列验证集；
4.根据权利要求3所述的变压器的状态预测和故障诊断方法，其特征在于，所述改进GRU模型采用...
【技术特征摘要】
1.一种变压器的状态预测和故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的变压器的状态预测和故障诊断方法，其特征在于，在步骤s100中，在输入至所述变压器状态预测及故障诊断模型前，先进行归一化处理；其中，
3.根据权利要求1所述的变压器的状态预测和故障诊断方法，其特征在于，将归一化后的气体特征量数据进行预处理，获取气体特征量时间序列数据；并将所述气体特征量时间序列数据划分为气体特征量时间序列训练集和气体特征量时间序列验证集；
4.根据权利要求3所述的变压器的状态预测和故障诊断方法，其特征在于，所述改进gru模型采用双向循环神经网络结构，包含两个循环层，且共享一个输入层和输出层；以及同一个时间节点上，所述气体特征量时间序列数据同时输入正向循环层和反向循环层，两个循环节点的输出也同时进入输出层。
5.根据权利要求4所述的变压器的状态预测和故障诊断方法，其特征在于，在所述改进gru模型中的隐含层中，加入的注意力机制后生成关键气体特征序列数据；所述关键气体特征序列数据通过以下公式获取：
6.根据权利要求2所述的变压器的状态预测和故障诊断方法，其特征在于，将归一化后的气体故障状态数据进行向量化处理，获取气体故...
【专利技术属性】
技术研发人员：张树铭，戴小然，朱家晗，李飞，蓝东亮，杨玉磊，张二龙，喻天鹏，蔡瑞东，
申请(专利权)人：中国大唐集团科学技术研究总院有限公司华东电力试验研究院，
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。