[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

说明书

本申请提供了一种变压器的故障诊断方法、装置和变压器的故障诊断系统，该方法包括：获取变压器的振动数据，振动数据为对变压器进行振动监测采集的数据；将振动数据输入振动特征提取模型，得到振动特征向量，振动特征提取模型用于对振动数据组成的向量进行降维；将振动特征向量发送至故障诊断平台；控制故障诊断平台将振动特征向量输入振动数据重建模型，得到重建数据，振动数据重建模型用于对振动数据组成的向量进行升维，重建数据的数据与振动数据的数据一一对应；控制故障诊断平台分析重建数据得到故障诊断结果。该方法解决现有技术中振动数据的部分数据特征丢失导致故障诊断不准确的问题。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种变压器的故障诊断方法、装置、计算机可读存储介质、处理器和变压器的故障诊断系统。

背景技术

振动监测是变压器运行状态监测的常用手段之一，对变压器绕组和铁心异常状态监测具有良好的反应。通常变压器振动监测在变压器箱体表面布设多个振动传感器，振动传感器的采样频率为数千赫兹。以3200Hz采样，布设6个三分量振动传感器为例，每秒钟采集57600个数据，每个采样数据以4字节编码，数据采集速率为每秒约230k字节，每天产生约20G字节数据。如果长年连续采集，监测系统数据通讯和存储面临很大的压力。因此目前常用的振动监测系统通常是每隔数分钟或数十分钟采集几秒的数据。这种监测方式不是真正的实时在线监测，会错失大量突发性或者间歇性的异常状态的检出。传统振动分析方法通常采用计算一小段振动波形数据的均值、均方根值(强度)、方差、偏度、峭度、峰峰值等检测指标，然后根据预设的每种指标阈值范围来检测异常，最后使用频谱分析方法由专家分析诊断或定位可能的故障类型。因此，基于传统振动分析的监测系统在完成计算常用的统计量和或者进行目标频段的频谱分析之后，最终只保留部分在传统分析中有用的指标，而原始数据被丢弃；即使保留原始数据，通常也只保留最近几个星期或者几个月的数据，更长时间的历史数据将被新采集的数据覆盖。由于传统振动分析方法的分析指标由专家人工制作，从物理机制分析中得到、物理意义明确、使用简易因此在机器故障诊断中发挥了重要作用。随着大数据和人工智能技术的发展，另一种完全由数据驱动的机器故障诊断方法得到了大量的研究，这些方法往往由原始数据出发，通过神经网络提取振动波形中的故障特征，因此必须要有原始数据或者蕴含原始数据相同特征的数据形式。

为了缓解监测系统数据通讯和存储的压力，现有技术采用间隔采集传输一小段数据的方法导致检测无法全时覆盖，存在漏检，或者，只保留传统的振动分析指标数据，导致最新的人工智能建模技术只能使用已有的指标特征进行简单的统计分类，而无法通过更先进的建模技术从数据中自动提取能更好实现故障诊断的数据特征。

在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。

发明内容

本申请的主要目的在于提供一种变压器的故障诊断方法、装置、计算机可读存储介质、处理器和变压器的故障诊断系统，以解决现有技术中振动数据的部分数据特征丢失导致故障诊断不准确的问题。

根据本发明实施例的一个方面，提供了一种变压器的故障诊断方法，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。