[发明专利]基于虚实孪生空间的电力设备小样本故障诊断方法及系统

说明书

本发明公开了一种基于虚实孪生空间的电力设备小样本故障诊断方法及系统，属于电力设备的故障诊断领域，该方法包括：获取包含电力设备不同故障位置、故障类型及严重程度的测试样本组成精确实体空间；根据待诊断设备的仿真模型，仿真得到模糊镜像空间；将精确实体空间训练集与模糊镜像空间样本集进行空间杂交得到孪生空间训练样本集；将孪生空间训练样本集作为精确实体空间训练集的补充，故障类型和位置作为诊断标签，输入到深度卷积神经网络中进行训练，对精确实体空间验证集进行故障辨识与定位，验证诊断效果。本发明利用电力设备仿真来对实测样本进行数据增强，可以充分发挥电力仿真在诊断实践中的辅助作用，有效提高小样本诊断情形下的准确率。

技术领域

本发明属于电力设备的故障诊断领域，更具体地，涉及一种基于虚实孪生空间的电力设备小样本故障诊断方法及系统。

背景技术

随着现代设备向高精度、智能化、高集成化的趋势发展，制造业对设备可靠性和操作安全性的要求也不断提高。然而，目前电力设备故障智能化诊断的能力较弱，而电力设备的故障样本缺乏又进一步限制了设备智能化诊断的发展。但对变压器进行故障破坏性试验以获取诊断研究所需的故障样本，无论是从经济性还是安全性角度看，都无法得到大规模的实现。数字孪生技术，可以利用真实世界的数据构建虚拟世界的数字空间模型，从而完成真实世界与虚拟空间的映射。探索如何将实际的电力变压器与仿真模型相耦合，有利于克服设备故障样本短缺的发展趋势，以便进一步探索设备的智能化故障诊断方法。

考虑到电力设备具有较高可靠性，缺陷或故障属于小概率事件，反映设备异常的数据稀少等特点；而另一方面，仿真数据相对实测数据具有易获取、不易出错等特点，因此，如何将变压器机理模型获取的仿真数据与实测数据相耦合，从而探索基于数据驱动的深度学习与模型驱动的电力设备模型相结合的智能故障诊断方法，是目前亟需解决的技术难题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种基于虚实孪生空间的电力设备小样本故障诊断方法及系统，其目的是为提高电力设备故障诊断方法的智能化程度及诊断准确率，并能够适用于安全可靠性高、故障情形少及劣化特征不统一的情形。

为实现上述目的，按照本发明的一个方面，提供了一种基于虚实孪生空间的电力设备小样本故障诊断方法，包括：

(1)获取包含电力设备不同故障位置、故障类型及严重程度的测试样本，组成精确实体空间；

(2)搭建待诊断设备的仿真模型，并设置相应的故障类型，对所述仿真模型的参数叠加随机噪声，以利用仿真得到所需数量样本，组成模糊镜像空间；

(3)将所述精确实体空间中的样本划分为训练集和验证集；

(4)将所述精确实体空间中的训练集与所述模糊镜像空间中的样本集进行空间融合，得到虚实孪生空间训练样本集；

(5)将所述虚实孪生空间训练样本集作为所述精确实体空间中的训练集的补充，并以故障类型和故障位置作为诊断标签，输入到深度神经网络中进行训练，并利用训练后的深度神经网络对所述精确实体空间中的验证集进行故障辨识与定位，验证诊断效果。

优选地，步骤(1)包括：

根据待诊断设备的诊断需求和故障特点划分区域，将划分的各区域作为电力设备不同故障位置，并根据所述待诊断设备的故障统计数据规律确定故障类型及严重程度，然后获取包含电力设备不同故障位置、故障类型及严重程度的测试样本，组成精确实体空间。

优选地，步骤(2)包括：

在搭建的待诊断设备的仿真模型中，根据步骤(1)中划分的实际故障类型和故障位置设置仿真的故障类型和故障位置，并根据实际故障程度的分布随机设置仿真的严重程度；

然后进行循环仿真，遍历不同故障区域、故障类型和故障程度，从而得到仿真的设备故障样本，由所有仿真得到的故障样本构成模糊镜像空间。