[发明专利]一种油浸式电力变压器故障诊断方法、装置、设备及介质

说明书

本发明公开了一种油浸式电力变压器故障诊断方法、装置、设备及介质。该方法包括：获取目标油浸式电力变压器的在线油色谱数据，并归一化处理所述在线油色谱数据，得到标准油色谱数据；将所述标准油色谱数据输入至目标正则化正交逆学习神经网络模型中，通过对标准油色谱数据的类别进行划分，得到目标油浸式电力变压器的故障结果；其中，正则化正交逆学习神经网络模型采用盖根堡多项式函数作为激活函数。通过本发明的技术方案，能够自动地对油浸式电力变压器是否存在故障进行诊断，提高了油浸式电力变压器的故障诊断效率。

技术领域

本发明涉及变压器故障诊断技术领域，尤其涉及一种油浸式电力变压器故障诊断方法、装置、设备及介质。

背景技术

目前，油中溶解气体分析(Dissolved Gas Analysis，DGA)方法是油浸式电力变压器内部故障诊断领域最为常用和有效的方法。

但是若使用的DGA分析法与国际上普遍采用的国际电工委员会(InternationalElectro technical Commission，IEC)标准不一致时，会存在边界规定过于严格和缺码等问题，导致使用的DGA分析法的诊断效率低下；并且，现有电力企业对油浸式电力变压器推行的定期检修机制存在维护不足和过度维护等问题，不仅造成重大资源浪费，同时还在一定程度上影响了设备供电的可靠性。

因此，如何高效可靠地对油浸式电力变压器是否存在故障进行诊断，提高油浸式电力变压器的故障诊断效率，是目前亟待解决的问题。

发明内容

本发明提供了一种油浸式电力变压器故障诊断方法、装置、设备及介质，可以解决油浸式电力变压器的故障诊断效率较低的问题。

根据本发明的一方面，提供了一种油浸式电力变压器故障诊断方法，包括：

获取目标油浸式电力变压器的在线油色谱数据，并归一化处理所述在线油色谱数据，得到标准油色谱数据；

将所述标准油色谱数据输入至目标正则化正交逆学习神经网络模型中，通过对标准油色谱数据的类别进行划分，得到目标油浸式电力变压器的故障结果；

其中，正则化正交逆学习神经网络模型采用盖根堡多项式函数作为激活函数。

根据本发明的另一方面，提供了一种油浸式电力变压器故障诊断装置，包括：

数据预处理模块，用于获取目标油浸式电力变压器的在线油色谱数据，并归一化处理所述在线油色谱数据，得到标准油色谱数据；

故障结果生成模块，用于将所述标准油色谱数据输入至目标正则化正交逆学习神经网络模型中，通过对标准油色谱数据的类别进行划分，得到目标油浸式电力变压器的故障结果；

其中，正则化正交逆学习神经网络模型采用盖根堡多项式函数作为激活函数。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的油浸式电力变压器故障诊断方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的油浸式电力变压器故障诊断方法。