[发明专利]变压器绕组故障分类与定位的诊断系统及方法

权利要求书

1.变压器绕组故障分类与定位的诊断系统，其特征在于该系统包括：

扫频仪（1）、变压器绕组（2）、检测终端（3）；

扫频仪（1）连接电感L1一端，电感L1另一端连接分压电阻R1一端，分压电阻R1另一端连接变压器绕组的接地点N；

变压器绕组（2）的高压绕组A一端连接接地点N，变压器绕组（2）的高压绕组A另一端连接电容C一端，电容C另一端分别连接分压电阻R2一端、检测终端（3），分压电阻R2另一端接地。

2.根据权利要求1所述变压器绕组故障分类与定位的诊断系统，其特征在于：所述检测终端（3）为配备采集卡的便携式电脑。

3.采用如权利要求1或2所述诊断系统的变压器绕组故障分类与定位的诊断方法，其特征在于：扫频仪（1）输出扫频信号，经过电感L1、分压电阻R1从接地点N输入到变压器绕组（2）上，流经变压器绕组（2）内部的高压绕组A并输出，通过电容C并被分压电阻R2分压后，被检测终端（3）采集扫频数据；检测终端（3）通过构建的深度学习卷积神经网络模型诊断出变压器绕组（2）的故障类型与位置。

4.采用如权利要求1或2所述诊断系统的变压器绕组故障分类与定位的诊断方法，其特征在于包括以下步骤：

S1:检测终端（3）将采集的扫频数据与保存在其内部的正常工况下的频响数据相减处理；

S2:并将S1中处理后的频率数据、幅值数据、相位数据切片重组，切去首尾部分数据后保持重组后的数据矩阵的长宽比接近1：1；

S3:对S2重组后的数据矩阵，利用插值上采样或插值下采样方法，重塑数据矩阵大小；

S4:将S3中处理好的数据，投入到训练好的故障分类模型与故障定位模型中，得到诊断结果。

5.根据权利要求4所述变压器绕组故障分类与定位的诊断方法，其特征在于：所述故障分类模型、故障定位模型均采用深度学习算法中卷积神经网络模型实现。