[发明专利]变压器振动故障监测方法、装置、电子设备及存储介质

权利要求书

1.一种变压器振动故障监测方法，其特征在于，包括：

获取变压器的异常振动信号；

处理所述异常振动信号获得相应的特征信息，所述特征信息用于反映所述异常振动信号的时频；

根据所述特征信息以及预先训练的学习模型，确定所述异常振动信号的振动故障类型；

基于所述振动故障类型形成所述变压器的故障信息并进行故障提示。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述特征信息以及预先训练的学习模型确定，所述异常振动信号的振动故障类型之前，所述方法还包括：

采用自适应增强AdaBoost算法对所述特征信息进行筛选，确定具有强分区能力的第一重要特征信息；

更新所述特征信息，更新后的特征信息为所述第一重要特征信息。

3.根据权利要求2所述的方法，其特征在于，所述特征信息包括M个特征，所述M为正整数，且M＞1，所述采用自适应增强AdaBoost算法对所述特征信息进行筛选，确定具有强分区能力的第一重要特征信息，包括：

根据所述异常振动信号和正常振动信号构建训练数据；

初始化所述训练数据的权重分布；

根据与所述特征信息包括的M个特征中每个特征对应的弱分类器，确定强分类器；

将确定所述强分类器过程中的所有弱分类器，按照所述所有弱分类器中的弱分类器对应的占比权重数值由大到小的顺序，确定前n个弱分类器为重要弱分类器，所述n为正整数，且M＞n≥1；

将所述重要弱分类器对应的特征，确定为所述第一重要特征信息，所述第一重要特征信息包括n个特征。

4.根据权利要求3所述的方法，其特征在于，所述处理所述异常振动信号获得相应的特征信息，包括：

对所述异常振动信号进行目标处理，确定所述异常振动信号的特征信息，所述目标处理包括小波包分析处理、时域分析处理或频域分析处理中的至少一种；

其中，当所述目标处理包括所述小波包分析处理时，所述特征信息包括所述异常振动信号的频段的能量信息；当所述目标处理包括所述时域分析处理时，所述特征信息包括所述异常振动信号的峰峰值、标准差、均方根和偏度中的至少一种；当所述目标处理包括所述频域分析处理时，所述特征信息包括所述异常振动信号的重心频率、频率方差和均方频率中的至少一种。

5.根据权利要求1-4任一所述的方法，其特征在于，所述学习模型包括自组织映射SOM神经网络。

6.根据权利要求5所述的方法，其特征在于，所述学习模型训练步骤包括：

获取变压器不同振动故障类型下的异常振动信号；

确定所述变压器不同振动故障类型下的异常振动信号的第三重要特征信息，所述第三重要特征信息是，处理所述变压器不同振动故障类型下的异常振动信号得到相应的特征信息后，并采用自适应增强AdaBoost算法对所述得到相应的特征信息进行筛选后确定的；

将所述第三重要特征信息输入至所述学习模型的输入层；

确定所述第三重要特征信息映射的所述学习模型的输出层的神经元；

所述根据所述特征信息以及预先训练的学习模型，确定所述异常振动信号的振动故障类型，包括：

将所述特征信息输入所述学习模型，确定所述特征信息对应的输出层的目的神经元；

查询神经元与振动故障类型的关联关系，确定所述目的神经元匹配的振动故障类型；

将所述振动故障类型确定为所述异常振动信号的振动故障类型。

7.根据权利要求6所述的方法，其特征在于，所述学习模型训练步骤还包括：根据所述第三重要特征信息对应的振动故障类型，对所述输出层的神经元设置振动故障类型标识；

所述根据所述特征信息以及预先训练的学习模型，确定所述异常振动信号的振动故障类型，包括：

将所述特征信息输入所述学习模型，确定所述特征信息对应的输出层的目的神经元；

将所述目的神经元的振动故障类型标识所标识的振动故障类型，确定为所述异常振动信号的振动故障类型。