基于多级注意力和特征融合的变压器故障诊断方法及系统

    公开(公告)号:CN116434777B

    公开(公告)日:2023-10-20

    申请号:CN202310677308.9

    申请日:2023-06-09

    IPC分类号: G10L25/51 G01R31/00 G10L25/30

    摘要: 本发明公开了一种基于多级注意力和特征融合的变压器故障诊断方法及系统,属于电力变压器声纹感知与故障诊断技术领域,方法包括:实时采集待测电力变压器的声纹信号;对采集的声纹信号数据进行预处理并划分训练集和测试集;根据采集的声纹信号和故障诊断模型,进行变压器故障诊断;其中,所述故障诊断模型是通过建立卷积神经网络提取数据特征,利用低层特征分辨率高包含更多的位置细节信息而噪声多和高层特征具有更高的语义信息而分辨率低对细节的感知力差的特点,对低层特征和高层特征进行融合处理,并基于变压器不同故障类型的声纹信号构成训练集和测试集进行训练、测试得到的。本发明能够确定故障类型及故障位置,提高了故障诊断的准确率。

    基于多级注意力和特征融合的变压器故障诊断方法及系统

    公开(公告)号:CN116434777A

    公开(公告)日:2023-07-14

    申请号:CN202310677308.9

    申请日:2023-06-09

    IPC分类号: G10L25/51 G01R31/00 G10L25/30

    摘要: 本发明公开了一种基于多级注意力和特征融合的变压器故障诊断方法及系统,属于电力变压器声纹感知与故障诊断技术领域,方法包括:实时采集待测电力变压器的声纹信号;对采集的声纹信号数据进行预处理并划分训练集和测试集;根据采集的声纹信号和故障诊断模型,进行变压器故障诊断;其中,所述故障诊断模型是通过建立卷积神经网络提取数据特征,利用低层特征分辨率高包含更多的位置细节信息而噪声多和高层特征具有更高的语义信息而分辨率低对细节的感知力差的特点,对低层特征和高层特征进行融合处理,并基于变压器不同故障类型的声纹信号构成训练集和测试集进行训练、测试得到的。本发明能够确定故障类型及故障位置,提高了故障诊断的准确率。

    基于平波电抗器磁场变化的匝间短路故障位置检测方法

    公开(公告)号:CN108663597A

    公开(公告)日:2018-10-16

    申请号:CN201810593774.8

    申请日:2018-06-11

    IPC分类号: G01R31/06

    摘要: 本发明公开了一种基于平波电抗器磁场变化的匝间短路故障位置检测方法,在保证每层线圈基本参数不变的基础上,将每层电抗器线圈简化等效为一个中空的圆柱体,构建简化的平波电抗器模型;构建故障相对高度与磁场变化百分比之间的故障位置检测函数,采用固定变量法,即将电抗器的磁场多元函数拟合简化为一元函数拟合,形成故障位置检测函数的简化表达;实时检测其磁场强度并与其正常运行时的磁场强度进行对比得出磁场变化量,将发生故障前后的磁场强度变化量代入简化表达后的故障位置检测函数,得到发生匝间短路故障的相对高度。