[发明专利]一种变压器故障检测方法及装置

权利要求书

1.一种变压器故障检测方法，其特征在于，包括以下步骤：

采集电力变压器数据，

将电力变压器数据输入至预先训练好的多源信息融合下的栈式自编码器模型进行故障概率计算，得到故障概率计算结果；其中，所述栈式自编码器模型的训练数据为多源电力变压器数据，

对多源信息融合下的栈式自编码器模型的故障概率计算结果进行整合，得到电力变压器的具体故障状态，完成故障检测。

2.根据权利要求1所述的一种变压器故障检测方法，其特征在于，所述电力变压器数据包括电力变压器油中溶解气体H₂、C₂H₂、CH₄、C₂H₆、CO、C₂H₄的体积分数、局部放电量及套管介质损耗因数。

3.根据权利要求1或2所述的一种变压器故障检测方法，其特征在于，在采集到电力变压器数据之后，进一步包括：对采集到的数据进行归一化处理，具体包括：

将所有输入向量转化为0-1之间的数据：

其中x为原始输入数据，x为归一化处理后的输入数据，min为x对应样本数据中的最小值，max为x对应样本数据中的最大值。

4.根据权利要求1所述的一种变压器故障检测方法，其特征在于，训练多源信息融合下的栈式自编码器模型的过程包括如下步骤：

采集不同源下的电力变压器历史数据；

对采集到的电力变压器历史数据进行归一化处理；

将处理后的不同源下的电力变压器历史数据输入到对应的去噪自编码器模型进行模型训练；

将训练好的不同源下的去噪自编码器模型进行堆叠，形成多源信息融合下的栈式自编码器模型。

5.根据权利要求4所述的一种变压器故障检测方法，其特征在于，采用逐层贪婪训练法对去噪自编码器模型进行训练，所述逐层贪婪训练法是将输入数据同时作为输出数据进行训练，其目标函数为：

式中：i表示第i条数据，x_i表示第i条输入数据，表示第i条重构数据，||·||_F表示·的F范数，逐层贪婪训练法是以最小化上式目标函数为目的的训练方法；

在训练过程中，权重矩阵和偏置系数通过初始权重矩阵以及反向传播回来的梯度不断迭代更新，在训练完成后获得最佳的权重矩阵以及偏置系数，该最佳的权重矩阵以及偏置系数使得上式中的目标函数值最小。

6.根据权利要求1所述的一种变压器故障检测方法，其特征在于，所述栈式自编码器网络结构由输入层、隐藏层和输出层拼接而成；其中输入层由输入数据x构成，隐藏层采用经过模型训练的去噪自编码器模型的隐藏层，输出层为实现故障分类的Softmax输出层。

7.根据权利要求6所述的一种变压器故障检测方法，其特征在于，

所述Softmax输出层采用Softmax分类器，将经神经网络计算的结果转化为电力变压器发生故障的概率，公式为：

式中：s_i表示栈式自编码器网络求得的结果i对应的概率，j表示结果的类别数，e表示自然常数；

以L为目标函数利用梯度下降法进行训练，获得最佳的模型参数以进行在线变压器故障检测，

目标函数

其中：y_i表示第i个数据样本真实故障类型；α,β为模型的超参数，通过交叉验证法求得；ω_encoder表示栈式自编码器网络编码阶段中网络参数；

表示边际Fisher正则化项，

Sc为类内紧凑性其中表示样本x_j的同类中K₁个最近邻点的索引集，

Sp为类间分离性表示满足条件的K₂个最近邻点对，π_c指属于c类的样本索引集。