公开(公告)号：CN119601116A

公开(公告)日：2025-03-11

申请号：CN202411410525.2

申请日：2024-10-10

Applicant: 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 ,  大唐锅炉压力容器检验中心有限公司

Inventor： 杨玉磊 ,  张树铭 ,  王宇皓 ,  肖明曦 ,  李飞 ,  顾昊晟 ,  李向东 ,  戴小然

IPC: G16C20/30 ,  G16C20/70 ,  G06N3/0455 ,  G06N3/0985

Abstract: 一种变压器油中溶解气体含量预测方法及系统，属于变压器故障预测技术领域，解决现有技术中变压器油中溶解气体含量异常数据识别有限、模型性能优化不足的问题；本发明通过改进的iNNE综合考虑局部度量与全局度量的特性实现气体异常数据的准确识别，有效提升数据质量；使用Optuna超参数优化框架对Bert模型的关键超参数进行优化，有效避免了人工调参的局限性；利用Bert模型捕捉气体含量时间序列中远距离的依赖关系、多尺度特征，在面对复杂的变压器油中溶解气体信息时，能够实现对变压器油中溶解气体含量异常信息的精确识别和未来时刻气体含量的快速预测。

公开(公告)号：CN117934904A

公开(公告)日：2024-04-26

申请号：CN202311740109.4

申请日：2023-12-15

Applicant: 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 ,  中国大唐集团科学技术研究总院有限公司 ,  广东大唐国际潮州发电有限责任公司

Inventor： 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

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G01N30/02

Abstract: 本发明公开了一种变压器的状态预测和故障诊断方法，包括以下步骤：获取油色谱数据，所述油色谱数据包括气体特征量数据和气体故障状态数据；建立变压器状态预测及故障诊断模型，包括改进GRU模型和改进卷积神经网络；将所述气体特征量数据输入至所述改进GRU模型中，以预测变压器内油色谱气体的趋势；并将所述改进GRU模型的输出结果和所述气体故障状态数据，输入至所述改进卷积神经网络中，以识别变压器的故障列别；以及采用最小风险训练方法，以训练所述变压器状态预测及故障诊断模型，确保所述改进GRU模型和改进卷积神经网络的关联性。通过本发明公开的变压器的状态预测和故障诊断方法，能够提高预测精度。