[发明专利]基于深度卷积神经网络和图像分割的油浸式变压器内部热故障诊断方法

权利要求书

1.一种基于深度卷积神经网络和图像分割的油浸式变压器内部热故障诊断方法，其特征在于，包括以下步骤：

1)划分变压器内部区域，将故障区域及正常状态作为深度卷积神经网络的标签；

2)通过格子玻尔兹曼方法仿真，随机获取大量正常与各种故障状态模式下油浸式变压器内部温度场分布的特征图像，将其故障区域作为标签，形成底层训练样本集；

3)获取红外热像仪或温度传感器的历史监测信息，并将其相应的故障诊断结果按照步骤1)的划分方式形成标签；

4)将步骤3)中各样本所包含的所有监测信息组合成一张图像，然后将步骤2)获得的底层训练样本集中的样本提取同样监测信息形成新图像；

5)将步骤4)获取的图像样本进行图像分割，然后将分割后的图像输入深度卷积神经网络中进行训练，生成训练好的故障诊断网络；

6)将待诊断监测信息按照同样方式合成新图像，并输入训练好的故障诊断网络获取诊断结果。

2.根据权利要求1所述的基于深度卷积神经网络和图像分割的油浸式变压器内部热故障诊断方法，其特征在于，步骤1)中的变压器内部区域划分和标签设置方法为：根据实际监测需要将变压器内部区域划分为若干部分，然后直接根据故障区域分配标签，若存在多种故障类型，则将故障类型与故障区域的组合作为不同标签。

3.根据权利要求1所述的基于深度卷积神经网络和图像分割的油浸式变压器内部热故障诊断方法，其特征在于，步骤2)中基于格子玻尔兹曼方法的多种故障状态下油浸式变压器内部温度场仿真时，将故障位置的边界条件修改为反弹边界，其故障区域的大小取长和宽为小于10的随机值；收敛标准通过计算每步的温度增量来定义，直到它小于预定义的阈值ε：

其中T表示温度，x表示变压器内任意一点的坐标，t表示迭代步骤或仿真时间。

4.根据权利要求1所述的基于深度卷积神经网络和图像分割的油浸式变压器内部热故障诊断方法，其特征在于，步骤3)中将监测信息减去正常状态的数据集，并进行合并，获得温度场分布的特征图像。

5.根据权利要求1所述的基于深度卷积神经网络和图像分割的油浸式变压器内部热故障诊断方法，其特征在于，步骤4)中将红外热像仪或温度传感器监测信息组合成图像的方法为：首先将所有监测信息统一为特定取值范围的颜色图，然后将同一样本的所有信息合并，组成一张图。