[发明专利]一种基于CNN的变压器故障诊断方法、装置、设备及存储介质

权利要求书

1.一种基于CNN的变压器故障诊断方法，其特征在于，包括以下步骤：

采集各变压器油中溶解气体的多组监测数据及对应的多个故障标签，将多组所述监测数据与对应的故障标签组合得到原始故障数据集；

对所述原始故障数据集进行预处理，得到多个二维特征图；

将所述多个二维特征图输入CNN模型中进行训练得到CNN诊断模型；

获取待诊断变压器油中溶解气体的实时监测数据，对所述实时监测数据进行相应的预处理后输入到所述CNN诊断模型中，输出所述待诊断变压器的故障标签，得到最终诊断结果。

2.根据权利要求1所述的一种基于CNN的变压器故障诊断方法，其特征在于，所述对所述原始故障数据集进行预处理，得到多个二维特征图，包括：

对所述原始故障数据集进行数据标准化处理；

利用等分截断对标准化处理后的原始故障数据集进行数据划分得到h个等长的一维时间序列数据段，每个一维时间序列数据段的长度为k个数据点，其中，h、k为大于1的整数；

对所述h个一维时间序列数据段分别进行数据格式重构，得到多个二维特征图。

3.根据权利要求2所述的一种基于CNN的变压器故障诊断方法，其特征在于，所述对所述h个一维时间序列数据段分别进行数据格式重构，得到多个二维特征图，包括：将所述h个一维时间序列数据段分别等分为m份，每份包含n个数据点，将第1份n个数据点放在第1行，第2份n个数据点放在第2行，第3份n个数据点放在第3行，依次排序，第m份n个数据点放在第m行，从而得到h个m×n的二维特征图，其中，m＝n，且m、n均为k的算数平方根。

4.根据权利要求1所述的一种基于CNN的变压器故障诊断方法，其特征在于，所述将所述多个二维特征图输入CNN模型中进行训练得到CNN诊断模型，包括：

将所述多个二维特征图分别划分为训练集、验证集和测试集；

将所述训练集的数据输入CNN模型中进行训练，由所述验证集的数据对训练后的CNN模型进行验证；

利用所述测试集的数据对验证后的CNN模型进行测试，得到CNN诊断模型。

5.根据权利要求4所述的一种基于CNN的变压器故障诊断方法，其特征在于，所述将所述训练集的数据输入CNN模型中进行训练，还包括：

将所述训练集的数据输入CNN模型中，反复执行前向传播和反向传播迭代计算过程进行调参。

6.根据权利要求1所述的一种基于CNN的变压器故障诊断方法，其特征在于，所述CNN模型包括：输入层、特征提取层、降维减参层以及Softmax分类输出层。

7.根据权利要求1所述的一种基于CNN的变压器故障诊断方法，其特征在于，所述油中溶解气体包括：氢气、甲烷、乙烷、乙炔、乙烯。

8.根据权利要求1所述的一种基于CNN的变压器故障诊断方法，其特征在于，所述故障标签包括：0正常状态、1中温过热、2高温过热、3局部放电、4火花放电、5电弧放电。

9.一种基于CNN的变压器故障诊断装置，其特征在于，包括：

采集模块，用于采集各变压器油中溶解气体的多组监测数据及对应的多个故障标签，将多组所述监测数据与对应的故障标签组合得到原始故障数据集；

预处理模块，用于对所述采集模块得到的原始故障数据集进行预处理，得到多个二维特征图；

训练模块，用于将所述预处理模块得到的多个二维特征图输入CNN模型中进行训练得到CNN诊断模型；

诊断模块，用于获取待诊断变压器油中溶解气体的实时监测数据，对所述实时监测数据进行相应的预处理后输入到所述训练模块训练的CNN诊断模型中，输出所述待诊断变压器的故障标签，得到最终诊断结果。

10.根据权利要求9所述的一种基于CNN的变压器故障诊断装置，其特征在于，所述预处理模块包括：

归一化单元，用于对所述一维时间序列原始故障数据集进行数据标准化处理；

数据截断单元，用于利用等分截断对所述归一化单元处理的原始故障数据集进行数据划分得到h个等长的一维时间序列数据段，每个一维时间序列数据段的长度为k个数据点，其中，h、k为大于1的整数；

格式重构单元，用于对所述数据截断单元划分的h个一维时间序列数据段分别进行数据格式重构，得到多个二维特征图。