[发明专利]一种变压器储油柜的监测方法、介质及系统

权利要求书

1.一种变压器储油柜的监测方法，其特征在于，包括：

采用第一数据集训练卷积神经网络，得到训练好的卷积神经网络，其中，所述第一数据集中的样本为变压器储油柜内的红外图像样本；

将所述训练好的卷积神经网络迁移至多层感知机，形成多参融合网络；

采用第二数据集训练所述多参融合网络，得到训练好的多参融合网络，其中，所述第二数据集中的样本包括所述变压器储油柜内的湿度、温度、油位和压力样本；

从所述训练好的多参融合网络中分离出经所述第二数据集修正的卷积神经网络；

实时采集所述变压器储油柜的参数，其中，所述参数包括：所述变压器储油柜内的红外图像、湿度、温度、油位和压力；

将实时采集的所述变压器储油柜内的红外图像输入到所述分离出的卷积神经网络后，再经分类函数输出所述红外图像对应的所述变压器储油柜的故障类型；

将实时采集的所述变压器储油柜内的湿度、温度、油位和压力输入到所述训练好的多参融合网络后，再经分类函数输出所述变压器储油柜内的湿度、温度、油位和压力对应的所述变压器储油柜的故障类型。

2.根据权利要求1所述的变压器储油柜的监测方法，其特征在于：所述卷积神经网络中依次进行多层卷积和池化操作，一阶张量展开操作，接入一层全连接层操作，DropOut操作，以及，接入下一层全连接层操作。

3.根据权利要求1所述的变压器储油柜的监测方法，其特征在于：所述卷积神经网络和所述多参融合网络的损失函数均为交叉熵代价函数。

4.根据权利要求1所述的变压器储油柜的监测 方法，其特征在于：所述卷积神经网络的输出和所述多参融合网络的输出均采用SoftMax函数进行故障分类。

5.根据权利要求1所述的变压器储油柜的监测方法，其特征在于：所述多参融合网络采用的梯度反向传播的方式为预训练方式。

6.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如权利要求1～5中任一项所述的变压器储油柜的监测方法。

7.一种变压器储油柜的监测系统，其特征在于，包括：上位机、通讯组件和监测元件，所述上位机包括如权利要求6所述的计算机可读存储介质，所述上位机与所述监测元件通过所述通讯组件连接。

8.根据权利要求7所述的变压器储油柜的监测系统，其特征在于：所述变压器储油柜的顶部开口处设置有密封所述顶部开口的法兰，所述监测元件安装在所述法兰上，且所述监测元件的探头均穿过所述法兰伸入到所述变压器储油柜中；

其中，所述监测元件包括：用于采集所述变压器储油柜内的红外图像的视频监视器、用于采集所述变压器储油柜内的温度和湿度的温湿度变送器、用于采集所述变压器储油柜内的油位的雷达液位计，以及，用于采集所述变压器储油柜内的压力的压力变送器。

9.根据权利要求8所述的变压器储油柜的监测系统，其特征在于：所述法兰上具有安装每一所述监测元件的安装孔，所述安装孔的下段的直径比所述安装孔的上段的直径大，每一所述安装孔的上段的直径与安装的所述监测元件的探头的尺寸匹配；

每一螺母的内径与对应的所述监测元件的探头的尺寸匹配，所述螺母的下段的外径大于对应的所述安装孔的下段的直径，所述螺母的上段的外径与对应的所述安装孔的下段的直径匹配，所述螺母的上段插入对应的所述安装孔的下段中；

所述螺母的下段的内表面的螺纹与对应的所述监测元件的探头的表面的螺纹啮合。

10.根据权利要求9所述的所述变压器储油柜的监测系统，其特征在于：所述螺母的上端面和对应的所述安装孔的下段的上端面之间设置有密封圈。