本發(fā)明屬于變壓器狀態(tài)監(jiān)測技術(shù)，尤其涉及一種模型訓(xùn)練方法及基于壓縮感知的變壓器繞組狀態(tài)監(jiān)測方法。

背景技術(shù)：

1、電力變壓器是電力系統(tǒng)各設(shè)備中最關(guān)鍵和最重要的設(shè)備之一，它的穩(wěn)定安全運(yùn)行對(duì)保障電網(wǎng)安全和可靠意義重大，如果一旦這類變壓器在運(yùn)行過程中出現(xiàn)故障，不僅檢修周期長、費(fèi)用高昂，而且可能導(dǎo)致突發(fā)的大規(guī)模停電事件，給經(jīng)濟(jì)帶來巨大損失。因此，對(duì)運(yùn)行中的大型電力變壓器進(jìn)行實(shí)時(shí)的在線狀態(tài)監(jiān)測和故障診斷顯得尤為重要，變壓器的繞組和鐵芯是發(fā)生故障較多的部件，通過對(duì)油箱表面振動(dòng)信號(hào)進(jìn)行分析，可以及時(shí)發(fā)現(xiàn)變壓器繞組的異?；驌p傷，預(yù)防潛在事故的發(fā)生，并將傳統(tǒng)的定期維修轉(zhuǎn)變?yōu)榛跔顟B(tài)的維修，將大大延長變壓器使用壽命，降低運(yùn)行成本。

2、隨著傳感器技術(shù)和人工智能的發(fā)展，深度學(xué)習(xí)方法越來越多的用于變壓器設(shè)備振動(dòng)故障判別。其具有以下優(yōu)點(diǎn)：1)?判斷準(zhǔn)確率高。2)?判斷效果穩(wěn)定。3)?判斷結(jié)果明確，不會(huì)產(chǎn)生模糊的診斷結(jié)果。但深度學(xué)習(xí)模型需要大量的樣本進(jìn)行訓(xùn)練，使得數(shù)據(jù)采集系統(tǒng)需要獲取的數(shù)據(jù)量大大增加，對(duì)后續(xù)信號(hào)的處理和傳輸提出了更高的要求。

技術(shù)實(shí)現(xiàn)思路

1、基于此，本發(fā)明旨在提出一種模型訓(xùn)練方法及基于壓縮感知的變壓器繞組狀態(tài)監(jiān)測方法，利用壓縮感知方法對(duì)變壓器振動(dòng)信號(hào)重構(gòu)，使用少量數(shù)據(jù)重構(gòu)出原始信號(hào)，再利用重構(gòu)的信號(hào)對(duì)cnn網(wǎng)絡(luò)訓(xùn)練，從而完成對(duì)變壓器繞組的狀態(tài)監(jiān)測，從而實(shí)現(xiàn)故障判別。

2、第一方面，本發(fā)明提供一種模型訓(xùn)練方法，該方法訓(xùn)練得到的模型用于基于壓縮感知的變壓器繞組狀態(tài)監(jiān)測，包括：

3、獲取歷史變壓器振動(dòng)信號(hào)；

4、利用壓縮感知法對(duì)歷史變壓器振動(dòng)信號(hào)進(jìn)行重構(gòu)，得到重構(gòu)信號(hào)集；

5、把重構(gòu)信號(hào)集作為卷積神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行模型訓(xùn)練，得到繞組狀態(tài)監(jiān)測模型。

6、進(jìn)一步地，把重構(gòu)信號(hào)集作為卷積神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行模型訓(xùn)練包括：

7、對(duì)重構(gòu)信號(hào)進(jìn)行時(shí)域變換，得到重構(gòu)信號(hào)的頻域特征表示；

8、把重構(gòu)信號(hào)的頻域特征表示作為卷積神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行模型訓(xùn)練。

9、進(jìn)一步地，時(shí)域變換選擇fft變換法。

10、進(jìn)一步地，利用壓縮感知法對(duì)歷史變壓器振動(dòng)信號(hào)進(jìn)行重構(gòu)，得到重構(gòu)信號(hào)集包括：

11、根據(jù)變壓器振動(dòng)信號(hào)的特性設(shè)計(jì)壓縮測量矩陣和信號(hào)稀疏變換基；

12、基于壓縮測量矩陣和信號(hào)稀疏變換基，利用稀疏信號(hào)重構(gòu)算法對(duì)變壓器振動(dòng)信號(hào)重構(gòu)，得到重構(gòu)信號(hào)集。

13、進(jìn)一步地，稀疏信號(hào)重構(gòu)算法為廣義正交匹配追蹤算法。

14、進(jìn)一步地，信號(hào)稀疏變換基選擇離散余弦變換基。

15、第二方面，本發(fā)明提供一種基于壓縮感知的變壓器繞組狀態(tài)監(jiān)測方法，包括：

16、采集變壓器振動(dòng)信號(hào)；

17、利用壓縮感知法對(duì)變壓器振動(dòng)信號(hào)進(jìn)行重構(gòu)，得到重構(gòu)信號(hào)；

18、把重構(gòu)信號(hào)輸入利用上述第一方面的模型訓(xùn)練方法訓(xùn)練得到的繞組狀態(tài)監(jiān)測模型，得到狀態(tài)監(jiān)測結(jié)果。

19、進(jìn)一步地，利用壓縮感知法對(duì)變壓器振動(dòng)信號(hào)進(jìn)行重構(gòu)，得到重構(gòu)信號(hào)包括：

20、根據(jù)變壓器振動(dòng)信號(hào)的特性設(shè)計(jì)壓縮測量矩陣和信號(hào)稀疏變換基；

21、基于壓縮測量矩陣和信號(hào)稀疏變換基，利用稀疏信號(hào)重構(gòu)算法對(duì)變壓器振動(dòng)信號(hào)重構(gòu)，得到重構(gòu)信號(hào)。

22、進(jìn)一步地，把重構(gòu)信號(hào)輸入繞組狀態(tài)監(jiān)測模型前，包括：

23、對(duì)重構(gòu)信號(hào)進(jìn)行時(shí)域變換，得到重構(gòu)信號(hào)的頻域特征表示，重構(gòu)信號(hào)的頻域特征表示作為繞組狀態(tài)監(jiān)測模型的輸入。

24、進(jìn)一步地，時(shí)域變換選擇fft變換法。

25、第三方面，本發(fā)明提供一種模型訓(xùn)練裝置，包括：

26、信號(hào)獲取模塊，用于獲取歷史變壓器振動(dòng)信號(hào)；

27、第一信號(hào)重構(gòu)模塊，用于利用壓縮感知法對(duì)歷史變壓器振動(dòng)信號(hào)進(jìn)行重構(gòu)，得到重構(gòu)信號(hào)集；

28、模型訓(xùn)練模塊，用于把重構(gòu)信號(hào)集作為卷積神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行模型訓(xùn)練，得到繞組狀態(tài)監(jiān)測模型。

29、第四方面，本發(fā)明提供一種變壓器繞組狀態(tài)監(jiān)測裝置，包括：

30、信號(hào)采集模塊，用于采集變壓器振動(dòng)信號(hào)；

31、第二信號(hào)重構(gòu)模塊，用于利用壓縮感知法對(duì)變壓器振動(dòng)信號(hào)進(jìn)行重構(gòu)，得到重構(gòu)信號(hào)；

32、狀態(tài)監(jiān)測模塊，用于把重構(gòu)信號(hào)輸入利用上述第三方面的模型訓(xùn)練裝置訓(xùn)練得到的繞組狀態(tài)監(jiān)測模型，得到狀態(tài)監(jiān)測結(jié)果。

33、第五方面，本發(fā)明提供一種電子設(shè)備，包括：存儲(chǔ)器和處理器；

34、所述存儲(chǔ)器，用于存儲(chǔ)程序；

35、所述處理器，用于調(diào)用存儲(chǔ)于所述存儲(chǔ)器中的程序，以執(zhí)行上述第一方面實(shí)施例和/或結(jié)合第一方面實(shí)施例的任一種可能的實(shí)施方式提供的模型訓(xùn)練方法，或，執(zhí)行上述第二方面實(shí)施例提供的基于壓縮感知的變壓器繞組狀態(tài)監(jiān)測方法。

36、第六方面，本發(fā)明還提供一種可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述第一方面實(shí)施例和/或結(jié)合第一方面實(shí)施例的任一種可能的實(shí)施方式提供的模型訓(xùn)練方法，或，執(zhí)行上述第二方面實(shí)施例提供的基于壓縮感知的變壓器繞組狀態(tài)監(jiān)測方法。

37、與現(xiàn)有的技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)：

38、本發(fā)明提出了一種模型訓(xùn)練方法及基于壓縮感知的變壓器繞組狀態(tài)監(jiān)測方法，其中的模型訓(xùn)練方法利用壓縮感知技術(shù)對(duì)變壓器振動(dòng)信號(hào)重構(gòu)，使用少量數(shù)據(jù)重構(gòu)出原始信號(hào)，再利用重構(gòu)的信號(hào)對(duì)cnn網(wǎng)絡(luò)訓(xùn)練，從而得到繞組狀態(tài)監(jiān)測模型，進(jìn)一步的使用該模型進(jìn)行變壓器繞組狀態(tài)監(jiān)測，對(duì)少量帶有原始特征的變壓器振動(dòng)信號(hào)重構(gòu)，得到近似原始信號(hào)的重構(gòu)信號(hào)，把重構(gòu)信號(hào)輸入訓(xùn)練好的模型進(jìn)行狀態(tài)監(jiān)測，從而獲知繞組的狀態(tài)或?qū)ζ溥M(jìn)行故障判別；本發(fā)明提供的方法能夠大幅減少數(shù)據(jù)采集的工作量和數(shù)據(jù)傳輸壓力，進(jìn)一步的實(shí)施例把重構(gòu)信號(hào)的頻域特征作為模型訓(xùn)練的輸入，更好地挖掘振動(dòng)信號(hào)的動(dòng)態(tài)特性。

技術(shù)特征：

1.一種模型訓(xùn)練方法，其特征在于，所述方法訓(xùn)練得到的模型用于基于壓縮感知的變壓器繞組狀態(tài)監(jiān)測，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述把所述重構(gòu)信號(hào)集作為卷積神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行模型訓(xùn)練包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用壓縮感知法對(duì)所述歷史變壓器振動(dòng)信號(hào)進(jìn)行重構(gòu)，得到重構(gòu)信號(hào)集包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述稀疏信號(hào)重構(gòu)算法為廣義正交匹配追蹤算法。

5.一種基于壓縮感知的變壓器繞組狀態(tài)監(jiān)測方法，其特征在于，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，把所述重構(gòu)信號(hào)輸入所述繞組狀態(tài)監(jiān)測模型前，所述方法還包括：

7.一種模型訓(xùn)練裝置，其特征在于，包括：

8.一種變壓器繞組狀態(tài)監(jiān)測裝置，其特征在于，包括：

9.一種電子設(shè)備，其特征在于，包括：存儲(chǔ)器和處理器；

10.一種可讀存儲(chǔ)介質(zhì)，其特征在于，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1~4任一項(xiàng)所述的模型訓(xùn)練方法，或，執(zhí)行如權(quán)利要求5~6任一項(xiàng)所述的基于壓縮感知的變壓器繞組狀態(tài)監(jiān)測方法。

技術(shù)總結(jié)
本申請(qǐng)?zhí)岢隽艘环N模型訓(xùn)練方法及基于壓縮感知的變壓器繞組狀態(tài)監(jiān)測方法，其中的模型訓(xùn)練方法利用壓縮感知技術(shù)對(duì)變壓器振動(dòng)信號(hào)重構(gòu)，使用少量數(shù)據(jù)重構(gòu)出原始信號(hào)，再利用重構(gòu)的信號(hào)對(duì)CNN網(wǎng)絡(luò)訓(xùn)練，從而得到繞組狀態(tài)監(jiān)測模型，進(jìn)一步的使用該模型進(jìn)行變壓器繞組狀態(tài)監(jiān)測，對(duì)少量帶有原始特征的變壓器振動(dòng)信號(hào)重構(gòu)，得到近似原始信號(hào)的重構(gòu)信號(hào)，把重構(gòu)信號(hào)輸入訓(xùn)練好的模型進(jìn)行狀態(tài)監(jiān)測，從而獲知繞組的狀態(tài)或?qū)ζ溥M(jìn)行故障判別；本發(fā)明提供的方法能夠大幅減少數(shù)據(jù)采集的工作量和數(shù)據(jù)傳輸壓力，進(jìn)一步的實(shí)施例把重構(gòu)信號(hào)的頻域特征作為模型訓(xùn)練的輸入，更好地挖掘振動(dòng)信號(hào)的動(dòng)態(tài)特性。

技術(shù)研發(fā)人員：成傳暉,喇元,王增超,楊峰,卓然,唐超,胡東,黃之明,羅顏,陳秋霖,趙思誠,高萌,楊偉鴻,陳繼師,周雄,侯營,闕韻峰,陳梁遠(yuǎn)
受保護(hù)的技術(shù)使用者：南方電網(wǎng)科學(xué)研究院有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19