一种基于机器学习的变压器绕组变形在线诊断方法及系统技术方案

本发明专利技术公开了一种基于机器学习的变压器绕组变形在线诊断方法及系统，涉及变压器绕组监测技术领域，包括：采集变压器实际正常运行数据：电压、电流、功率和温度，并建立1：1仿真模型对绕组变形情况进行模拟，获取绕组变形工况下的运行数据。对获取的数据进行预处理。通过求取绕组变形前后的时间序列的偏差，获得模型训练的输入。绕组故障位置采用独热编码作为模型训练的输出。通过多层感知机神经网络训练模型，使用损失函数计算输出与目标之间的误差，使用Adam优化器更新模型参数。本发明专利技术提供的基于机器学习的变压器绕组变形在线诊断方法利用机器学习技术，通过在线监测变压器运行数据，实现对绕组变形故障的早期检测和诊断。

【技术实现步骤摘要】

本专利技术涉及变压器绕组监测，具体为一种基于机器学习的变压器绕组变形在线诊断方法及系统。

技术介绍

1、变压器作为电力系统中的重要设备，其正常运行直接影响电力系统的安全性和可靠性。变压器绕组变形是导致变压器故障的重要原因之一，常见的变形形式包括绕组挤压、拉伸、偏移等，这些变形可能会引起局部过热、电压不平衡以及绝缘老化等问题，严重时甚至会导致变压器损坏，进而引发大范围的电力事故。因此，及时准确地诊断变压器绕组变形故障，对于保障电力系统的安全运行具有重要意义。

2、传统的变压器绕组变形监测方法主要依赖于离线检测技术，如频响法(frequencyresponse analysis,fra)、短路阻抗法(short-circuit impedance method)等。这些方法虽然在一定程度上能够反映绕组的机械状态，但需要停电检修，不仅增加了检修成本，还影响了电网的正常运行。此外，这些离线检测方法的数据采集和分析过程较为复杂，诊断结果的准确性和可靠性也受到一定限制。

3、随着现代科学技术的发展，机器学习技术在各个领域得到广泛应用。机器学习通本文档来自技高网...

【技术保护点】

1.一种基于机器学习的变压器绕组变形在线诊断方法，其特征在于，包括：

2.如权利要求1所述的基于机器学习的变压器绕组变形在线诊断方法，其特征在于：所述变压器运行数据包括电压、电流、功率和温度；

3.如权利要求2所述的基于机器学习的变压器绕组变形在线诊断方法，其特征在于：所述预处理表示为，

4.如权利要求3所述的基于机器学习的变压器绕组变形在线诊断方法，其特征在于：所述绕组变形前后的时间序列数据包括原始时间序列数据{x1,x2,...,xn}和变形后时间序列数据{y1,y2,...,yn}；

5.如权利要求4所述的基于机器学习的变压器绕组变形...

【技术特征摘要】

1.一种基于机器学习的变压器绕组变形在线诊断方法，其特征在于，包括：

2.如权利要求1所述的基于机器学习的变压器绕组变形在线诊断方法，其特征在于：所述变压器运行数据包括电压、电流、功率和温度；

3.如权利要求2所述的基于机器学习的变压器绕组变形在线诊断方法，其特征在于：所述预处理表示为，

4.如权利要求3所述的基于机器学习的变压器绕组变形在线诊断方法，其特征在于：所述绕组变形前后的时间序列数据包括原始时间序列数据{x1,x2,...,xn}和变形后时间序列数据{y1,y2,...,yn}；

5.如权利要求4所述的基于机器学习的变压器绕组变形在线诊断方法，其特征在于：所述多层感知机神经网络模型包括输入层、隐藏层和输出层；

6.如权利要求5所述的基于机器学习的变压器绕组变形在线诊断方法，其特征在于：利用链式法则计算损失函数相对于每个参数的梯度，从输出层开始，逐层向后传播梯度，更新神经网络的权重和偏...

【专利技术属性】
技术研发人员：张辉，苏剑锋，刘斌，张朝学，吴恩恩，王帅，邓昭辉，杨航康，牟景艳，吴维，付冰洋，甘伟涵，谢珂，邵春，范茂金，李晓林，李飞，李华，杨阳，李杰，李静，文琴琴，司胜文，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：