[发明专利]一种电力变压器套管故障诊断方法及装置

说明书

本说明书实施例公开了一种电力变压器套管故障诊断方法及装置。方案包括：读取多张套管红外样本图像；对套管红外样本图像进行预处理，得到训练数据集与测试数据集；采用训练数据集对CWGAN‑GP中的判别器进行预训练，训练数据集包括故障样本的类别标签；对判别器与生成器进行交替训练，生成人工故障样本集；采用人工故障样本集对训练数据集进行扩充，得到增强后的训练数据集；基于增强后的训练数据集对CNN分类器进行训练；利用训练好的CNN分类器对测试数据集进行诊断测试，根据测试结果对训练好的CNN分类器的参数进行调整；采用调整后的CNN分类器对电力变压器套管进行故障诊断，生成故障类型。本方案能够有效改善诊断模型对于多数类的分类偏好问题。

技术领域

本申请涉及电力变压器和计算机技术领域，尤其涉及一种电力变压器套管故障诊断方法及装置。

背景技术

作为电力系统中电压转换及电能输送的主要设备，电力变压器的稳定可靠运行直接影响着电网的安全稳定。套管作为变压器的重要组成部分，承担着固定引线并确保其与外界绝缘的功能，同时也是故障多发部位。在实际运行中，套管常因其绝缘受损或局部过热等缺陷引起变压器停运甚至烧毁爆炸等严重事故。故而针对变压器套管的故障诊断与评估显得尤为重要。为确保其健康稳定的工作状态，常常需要在变压器停运的条件下进行预防性试验，这大大降低了设备可靠性和监测时效性。

目前，带电检测技术的应用已经比较成熟与广泛。红外测温技术因其具有非接触式测量、精度高且不受电磁干扰等诸多优点，常用于检测变压器套管的缺油故障以及局部过热故障等。由于人为提取描述特征的适应性差，对设备运行状态的判断过于主观且给出的结论模糊、不完全等缺陷，检测人员对套管故障的误判情况时有发生。同时，非结构化图像数据存储量巨大，人工检查和识别不仅会影响判断结果的准确度，更会导致效率低下，从而影响电力设备监测自动化的程度。

发明内容

为了解决上述问题，本申请实施例提供了一种电力变压器套管故障诊断方法及装置。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种电力变压器套管故障诊断方法，包括：

读取多张套管红外样本图像；

对所述套管红外样本图像进行预处理，得到训练数据集与测试数据集；

采用所述训练数据集对CWGAN-GP中的判别器进行预训练，所述训练数据集包括故障样本的类别标签；

对判别器与生成器进行交替训练，生成人工故障样本集；

采用所述人工故障样本集对所述训练数据集进行扩充，得到增强后的训练数据集；

基于所述增强后的训练数据集对CNN分类器进行训练；

利用训练好的CNN分类器对所述测试数据集进行诊断测试，根据测试结果对所述训练好的CNN分类器的参数进行调整；

采用调整后的CNN分类器对电力变压器套管进行故障诊断，生成故障类型。

可选的，所述对所述套管红外样本图像进行预处理，具体包括：

调整套管红外样本图像的大小为32cm×32cm，得到符合要求的套管红外样本数据集；

采用分层抽样方法对所述套管红外样本数据集进行划分。

可选的，所述训练数据集与所述测试数据集中的样本类别分布一致。

可选的，将故障样本的类别标签作为条件生成对抗网络(CGAN)的附加条件变量。

可选的，所述采用调整后的CNN分类器对电力变压器套管进行故障诊断，具体包括：

向输入层输入一个32cm×32cm大小的套管红外样本图像；