[发明专利]变压器的故障诊断方法、装置和变压器的故障诊断系统

权利要求书

1.一种变压器的故障诊断方法，其特征在于，包括：

获取变压器的振动数据，所述振动数据为对所述变压器进行振动监测采集的数据；

将所述振动数据输入振动特征提取模型，得到振动特征向量，所述振动特征提取模型用于对所述振动数据组成的向量进行降维；

将所述振动特征向量发送至故障诊断平台；

控制所述故障诊断平台将所述振动特征向量输入振动数据重建模型，得到重建数据，所述振动数据重建模型用于对所述振动数据组成的向量进行升维，所述重建数据的数据与所述振动数据的数据一一对应；

控制所述故障诊断平台分析所述重建数据得到故障诊断结果。

2.根据权利要求1所述的方法，其特征在于，所述振动特征提取模型和所述振动数据重建模型组成神经网络，所述神经网络的训练过程包括：

将历史振动数据输入所述神经网络进行训练，得到训练重建数据，所述训练重建数据的数据与所述历史振动数据的数据一一对应；

计算所有第一数据和对应的第二数据的差值的平方和，得到目标参数，所述第一数据为所述训练重建函数的数据，所述第二数据为所述历史振动数据的数据；

在所述目标参数小于预定阈值的情况下，所述神经网络训练完成。

3.根据权利要求2所述的方法，其特征在于，所述神经网络的输入层和输出层的节点数为一帧所述振动数据的数量，一帧所述振动数据的数量为帧长与所述振动数据的采样率的乘积。

4.根据权利要求2所述的方法，其特征在于，所述预定阈值为所有所述第一数据的平方和与0.000001的乘积。

5.根据权利要求2所述的方法，其特征在于，所述神经网络包括1层输入层、5层隐藏层和1层输出层，5层隐藏层包括第一隐藏层、第二隐藏层、第三隐藏层、第四隐藏层和第五隐藏层，所述输入层、所述第一隐藏层、所述第二隐藏层、所述第三隐藏层构成所述振动特征提取模型，所述第三隐藏层、所述第四隐藏层、所述第五隐藏层和所述输出层构成所述振动数据重建模型。

6.一种变压器的故障诊断装置，其特征在于，包括：

获取单元，用于获取变压器的振动数据，所述振动数据为对所述变压器进行振动监测采集的数据；

第一处理单元，用于将所述振动数据输入振动特征提取模型，得到振动特征向量，所述振动特征提取模型用于对所述振动数据组成的向量进行降维；

发送单元，用于将所述振动特征向量发送至故障诊断平台；

第二处理单元，用于控制所述故障诊断平台将所述振动特征向量输入振动数据重建模型，得到重建数据，所述振动数据重建模型用于对所述振动数据组成的向量进行升维，所述重建数据的数据与所述振动数据的数据一一对应；

分析单元，用于控制所述故障诊断平台分析所述重建数据得到故障诊断结果。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至5中任意一项所述的方法。

8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的方法。

9.一种变压器的故障诊断系统，其特征在于，包括：

采集器，用于对所述变压器进行振动监测采集振动数据，将所述振动数据输入振动特征提取模型，得到振动特征向量，并发送所述振动特征向量，所述振动特征提取模型用于对所述振动数据组成的向量进行降维；

故障诊断平台，用于接收所述振动特征向量，将所述振动特征向量输入振动数据重建模型，得到重建数据，对所述重建数据进行分析得到故障诊断结果，所述振动数据重建模型用于对所述振动数据组成的向量进行升维，所述重建数据的数据与所述振动数据的数据一一对应。

10.根据权利要求9所述的系统，其特征在于，所述采集器具有边缘计算功能。