申请/专利权人：国网湖北省电力有限公司直流公司;武汉大学

申请日：2023-10-18

公开（公告）日：2024-02-02

公开（公告）号：CN117494037A

主分类号：G06F18/25

分类号：G06F18/25;G06F18/214;G06F18/241;G06N3/0442;G06N3/0464;G06N3/0455;G06N3/0985

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本发明公开了一种基于变权VAE与双通道特征融合的变压器故障诊断方法，包括以下步骤：收集不同故障类型下待诊变压器的油中气体含量数据，并使用改进的熵权法计算每种故障类型中各类气体的权重，获取待分析变权数据集；采用VAE网络对油中气体含量数据进行数据降维和数据扩充，得到变权数据集；构建具有卷积神经网络和双LSTM网络的双通道特征融合的故障诊断模型，用于提取局部特征和捕捉时间序列的长期依赖关系，并采用注意力机制对不同通道的信息进行加权融合分析，进行模型训练，更新模型参数；最后结合实际监测数据进行变压器故障诊断。本发明可以有效改善变压器故障数据样本少、样本不平衡而导致故障诊断准确率低的问题，具备较高的准确率和泛化性。

主权项：1.一种基于变权VAE与双通道特征融合的变压器故障诊断方法，其特征在于，包括以下步骤：收集不同故障类型下待诊变压器的油中气体含量数据，并使用改进的熵权法计算每种故障类型中各类气体的权重，获取待分析变权数据集；包括：设共有l条故障数据，并且每条故障数据含有m种气体含量数据，则输入数据X表示为： 在每种故障类型下，计算每类气体的信息熵ej以及信息效用值dj，并归一化处理得到各种故障类型下各类气体的权重Wj，公式如下： dj＝1-ej 式中，Pij为变异性指标，n为某一故障类型的故障数据总数，i为该种故障类型下第i条故障数据；将各类气体的权重Wj与气体含量数据相乘，作为输入数据；采用VAE网络对油中气体含量数据进行数据降维和数据扩充，得到变权数据集；构建具有卷积神经网络和双LSTM网络的双通道特征融合的故障诊断模型，用于提取局部特征和捕捉时间序列的长期依赖关系；并采用注意力机制对不同通道的信息进行加权融合分析，输入变权数据集进行模型训练，更新模型参数；最后结合实际监测数据进行变压器故障诊断。

全文数据：

权利要求：

百度查询： 国网湖北省电力有限公司直流公司;武汉大学 一种基于变权VAE与双通道特征融合的变压器故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD