一种变压器故障诊断方法及系统技术方案

本发明专利技术属于变压器故障诊断技术领域，具体涉及一种变压器故障诊断方法及系统，包括以下步骤：1)提取各种状态下的变压器的音频信号的特征，构建训练数据；2)构建注意力机制长短时记忆神经网络模型作为故障诊断模型，并利用训练数据对故障诊断模型进行训练；所述故障诊断模型包括依次连接的输入层、LSTM层、Attention层和输出层；3)利用训练好的故障诊断模型对待识别变压器的音频信号对应的特征进行分类和故障诊断。由此，本发明专利技术解决了现有技术中基于神经网络的变压器故障诊断方法得到的诊断结果准确率低的问题。

【技术实现步骤摘要】

本专利技术属于变压器故障诊断，具体涉及一种变压器故障诊断方法及系统。

技术介绍

1、电力变压器作为电网输变电系统中的关键设备之一，其运行状况会对电力系统的安全运行产生重大影响。但是环境条件恶劣、变压器绝缘自然老化和运行负荷过高等因素都会导致变压器产生诸如局部放电、绕组变形、局部过热、机械部件松动等故障，进而影响电力系统的安全运行，导致极其严重的社会损失和经济损失。因此，深入研究变压器声纹识别和故障诊断方法，对电网输变电系统的稳定运行至关重要。

2、随着人工智能技术的不断发展完善，在变压器声纹识别和故障诊断领域，综合运用信号处理和人工智能技术进行变压器故障诊断的普及度越来越高。但是变压器周围环境中的噪声干扰等因素会极大影响变压器信号处理技术的精度；同时，变压器声纹数据训练样本特征差异和神经网络模型泛化性能不足等问题也会限制人工智能技术在变压器故障诊断领域的应用范围。

3、现有技术涉及变压器诊断的有以下文件：

4、授权公告号为cn109740523b的中国专利技术专利文件中提出一种基于声学特征和神经网络的电力变压器故障诊断方本文档来自技高网...

【技术保护点】

1.一种变压器故障诊断方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的变压器故障诊断方法，其特征在于：对所述故障诊断模型的训练包括初始训练、优化训练和验证训练；初始训练中依据从各种状态下变压器的音频信号中提取的特征为训练数据进行训练，得到初始模型参数；

3.根据权利要求2所述的变压器故障诊断方法，其特征在于：故障诊断模型中需要优化的参数包括：隐藏层神经元节点数、dropout比率和批尺寸中至少一项参数。

4.根据权利要求2所述的变压器故障诊断方法，其特征在于：采用粒子群优化算法对故障诊断模型的参数进行优化。

5.根据权利要求4所述...

【技术特征摘要】

1.一种变压器故障诊断方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的变压器故障诊断方法，其特征在于：对所述故障诊断模型的训练包括初始训练、优化训练和验证训练；初始训练中依据从各种状态下变压器的音频信号中提取的特征为训练数据进行训练，得到初始模型参数；

3.根据权利要求2所述的变压器故障诊断方法，其特征在于：故障诊断模型中需要优化的参数包括：隐藏层神经元节点数、dropout比率和批尺寸中至少一项参数。

4.根据权利要求2所述的变压器故障诊断方法，其特...

【专利技术属性】
技术研发人员：李英浩，翟登辉，许丹，张旭，杨田野，李东宾，刘睿丹，张彦龙，吕勇强，李杜林，卢声，
申请(专利权)人：许昌许继软件技术有限公司，
类型：发明
国别省市：