[发明专利]变压器的运行状态检测方法、装置、计算机设备和存储介质

说明书

本发明实施例公开了一种变压器的运行状态检测方法、装置、计算机设备和存储介质，该方法包括：获取面向目标变压器采集的原始图像数据；确定重构模型，所述重构模型为适于根据显著性进行重构的U型神经网络；将所述原始图像数据输入所述重构模型中、通过编码与解码重构为目标图像数据，以使所述目标变压器中有显著性的区域的细节多于无显著性的区域的细节；确定分类模型，所述分类模型为适于分类的多级神经网络；将所述目标图像数据输入所述分类模型中进行处理，从而识别所述目标变压器所处的运行状态。将注意力集中在目标变压器本身，尤其为具有显著性的区域、更加集中在容易发生故障的区域，从而提高运行状态的精确度。

技术领域

本发明实施例涉及电力技术，尤其涉及一种变压器的运行状态检测方法、装置、计算机设备和存储介质。

背景技术

变压器在电能转换中发挥着电压转换、电流转换、功率传输等作用，是电力系统的关键设备之一，变压器安全运行是电力系统安全的重要保障。

变压器布置在不同的地区，目前有声纹监测、热力监测、图像监测等自动化监控方案监测变压器。

对于图像监测的方案，通常利用CNN（Convolutional Neural Network，卷积神经网络）等神经网络提取变压器在发生故障时的特征，从而训练模型，从而使用该模型自动甄别变压器发生的故障。

但是，变压器的故障通常较为集中，很多区域是未发生故障的，而CNN等神经网络提取的特征较为分散，使得故障识别精确度较低，容易出现误判，并且，该方案是在变压器发生故障后检测故障的类型，实用性较差。

发明内容

本发明实施例提供一种变压器的运行状态检测方法、装置、计算机设备和存储介质，以解决在变压器发生故障后检测故障的类型，且故障识别精确度较低的问题。

第一方面，本发明实施例提供了一种变压器的运行状态检测方法，包括：

获取面向目标变压器采集的原始图像数据；

确定重构模型，所述重构模型为适于根据显著性进行重构的U型神经网络；

将所述原始图像数据输入所述重构模型中、通过编码与解码重构为目标图像数据，以使所述目标变压器中有显著性的区域的细节多于无显著性的区域的细节；

确定分类模型，所述分类模型为适于分类的多级神经网络；

将所述目标图像数据输入所述分类模型中进行处理，从而识别所述目标变压器所处的运行状态。

第二方面，本发明实施例还提供了一种变压器的运行状态检测装置，包括：

原始图像数据获取模块，用于获取面向目标变压器采集的原始图像数据；

重构模型确定模块，用于确定重构模型，所述重构模型为适于根据显著性进行重构的U型神经网络；

目标图像数据重构模块，用于将所述原始图像数据输入所述重构模型中、通过编码与解码重构为目标图像数据，以使所述目标变压器中有显著性的区域的细节多于无显著性的区域的细节；

分类模型确定模块，用于确定分类模型，所述分类模型为适于分类的多级神经网络；

运行状态识别模块，用于将所述目标图像数据输入所述分类模型中进行处理，从而识别所述目标变压器所处的运行状态。

第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的变压器的运行状态检测方法。