【技术实现步骤摘要】
本专利技术涉及电力系统安全评估，具体为基于多源数据图融合模型的变压器故障评估方法及系统。
技术介绍
1、电力变压器是一种将电能从一种电压等级转换到另一种电压等级的设备。变压器可能会出现各种各样的故障，这些故障可能是内部的，也可能是外部的，常见的故障有绕组短路、绝缘老化、油污染、接地故障等。这些故障可能会导致电力系统中断、设备损坏、人员伤亡等后果。。电力变压器状态监测和故障诊断是发现电力变压器运行稳定的主要措施，通过对变压器的异常运行数据、常见故障分析，可以为电网设备精益运检提供技术支撑，通过故障诊断与检修手段能够及时消除电网运行的安全隐患，这对于电力变压器的故障问题解决和实际应用效果的提升有突出的价值。
2、由于电力变压器的数据复杂、类型多样,使引起故障的原因存在一定的不确定性,因此把变压器中各种实验数据,如油色谱分析中的气体含量,油化实验分析中的油介质、击穿电压、微水含量,检修历史数据,运行环境数据(如温度、湿度、污秽程度),外观检测数据(如是否漏油、声音是否异常、放电闪络情况)等多种信息有效的结合起来。多源信息融合就是通过将变压器的多种监测信息源在空间上和时间上的互补,实现冗余信息依据某种优化准则组合起来,产生对变压器故障现象的一致性解释与描述。
3、现有技术中变压器监测的多源数据存在复杂的关联关系(虽然造成故障的因素存在于多个独立的部件中,但是会出现一个部件的异常造成其他故障)，而ds证据理论要求证据是相互独立，没有考虑多源数据属性间的关联关系进行特征融合，将难以提取变压器故障的关联信息，进而降低了
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：解决多源数据关联结构学习困难的问题；再进一步通过构建特征对齐和融合模块得到多源融合特征进行分类，来解决多源数据特征对不齐的问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于多源数据图融合模型的变压器故障评估方法，包括：
4、获得监测电力变压器的多源数据，进行归一化处理；
5、将多源归一化数据输入深度自编码器，得到多源深度特征；将属性关系矩阵和数据属性向量，输入图自编码器，得到图特征；
6、将多源特征和图特征联合重构多源数据，进行分布对齐并加权融合，得到多源融合特征；
7、将多源融合特征输入分类器，建立多源数据图融合模型，输出故障概率值来评估变压器的健康状态。
8、作为本专利技术所述的基于多源数据图融合模型的变压器故障评估方法的一种优选方案，其中：所述电力变压器的多源数据包括，油中溶解气体h2、c2h2、ch4、c2h6、co、c2h4、体积分数、局部放电量、套管介质耗损因数、环境因素及图片等。
9、作为本专利技术所述的基于多源数据图融合模型的变压器故障评估方法的一种优选方案，其中：信息融合包括，数据层信息融合、特征层信息融合、决策层信息融合。
10、作为本专利技术所述的基于多源数据图融合模型的变压器故障评估方法的一种优选方案，其中：所述归一化包括，收集m个监测设备采集的历史数据，记为对每个属性r进行归一化处理.设rmin和rmax分别为属性r的最小值和最大值,将r的一个原始值xr通过标准化映射成在区间[0,1]中的值，对原始数据的线性变换,使其结果值映射到[0,1]之间。转换函数表示为：
11、
12、其中，样本量为n,每个数据源数据包含不同数量的属性d1,d2,…,dm。dm表示不同溶解气体的体积分数、温度、湿度等不同属性。
13、作为本专利技术所述的基于多源数据图融合模型的变压器故障评估方法的一种优选方案，其中：所述多源融合特征包括，将多源归一化数据分别输入多源深度自编码器，得到多源深度特征u1,u2,…,um：
14、ui＝q(ui|xi),i＝1,2,…,m
15、随机构建多源数据间的属性关系矩阵其中d＝d1+d2+…+dm，同时利用所有属性向量r构建节点特征矩阵从而构建图g＝(v,e),
16、将图数据g输入图自编码器得到图特征将图特征w重构得到图数据
17、w＝q(w|g)
18、
19、将图特征w和多源深度特征u1,u2,…,um结合，重构多源归一化数据
20、
21、通过最小化分布距离kullback–leibler散度对多源深度特征u1,u2,…,um进行对齐，对齐后的多源深度特征再通过预先设置的自适应权重h进行加权融合，得到多源融合特征u：
22、
23、作为本专利技术所述的基于多源数据图融合模型的变压器故障评估方法的一种优选方案，其中：变压器故障评估包括，将融合特征u输入softmax层输出概率向量p，得到变压器每一类故障的健康状态，健康状态包括局部放电、高温过热、中低温过热、高能放电、低能放电5种故障类型。取概率向量p中最大值的索引作为故障类型。
24、p＝softmax(u)
25、对多源数据标注局部放电、高温过热、中低温过热、高能放电、低能放电5种故障类型，记为elabel。
26、作为本专利技术所述的基于多源数据图融合模型的变压器故障评估方法的一种优选方案，其中：所述多源数据图融合模型包括，选取部分历史数据进行标注，作为训练集，对多源数据标注，训练图自编码器参数，将重构图数据的关系矩阵与原始关系矩阵e计算二元交叉熵损失：
27、
28、训练多源深度自编码器参数，将重构的多源数据与原始数据xi计算均方误差：
29、
30、最小化多源深度特征分布距离，对齐特征：
31、
32、训练自适应权重和softmax分类器参数，将预测的结果与真实标签计算交叉熵损失：
33、lfusion＝ce(softmax(u),elabel)
34、通过adam优化器联合优化四个损失函数，
35、lall＝lgae+λ1lae+λ2lkl+λ3lfusion
36、其中，λ1，λ2和λ3为可调节的平衡系数。
37、一种基于多源数据图融合模型的变压器安全评估系统，其特征在于：
38、数据采集单元，包括光摄像仪模块、油色谱气体采集模块、红外热像仪模块、温湿度采集模块，用来采集多源数据与图像；
39、数据处理单元，包括数据预处理模块、特征对齐融合模块，对数据进行处理得到多源融合特征；
40、综合处理单元，包括m-tfi模型模块，对多源融合特征进行参数建模，得到预测模型，并进行预测；
41、评估单元，接受预测结果，输出变压器的安全状态并进行评估。
42、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序本文档来自技高网...
【技术保护点】
1.基于多源数据图融合模型的变压器故障评估方法，其特征在于，包括：
2.如权利要求1所述的基于多源数据图融合模型的变压器故障评估方法，其特征在于：所述电力变压器的多源数据包括，油中溶解气体H2、C2H2、CH4、C2H6、CO、C2H4、体积分数、局部放电量、套管介质耗损因数、环境因素及图片。
3.如权利要求2所述的基于多源数据图融合模型的变压器故障评估方法，其特征在于：信息融合包括，数据层信息融合、特征层信息融合、决策层信息融合。
4.如权利要求3所述的基于多源数据图融合模型的变压器故障评估方法，其特征在于：所述归一化包括，收集m个监测设备采集的历史数据，记为对每个属性R进行归一化处理；设Rmin和Rmax分别为属性R的最小值和最大值,将R的一个原始值xR通过标准化映射成在区间[0,1]中的值，对原始数据的线性变换,使其结果值映射到[0,1]之间；转换函数表示为：
5.如权利要求4所述的基于多源数据图融合模型的变压器故障评估方法，其特征在于：所述多源融合特征包括，1.将多源归一化数据分别输入多源深度自编码器，得到多源深度特征U1,
6.如权利要求5所述的基于多源数据图融合模型的变压器故障评估方法，其特征在于：变压器故障评估包括，将融合特征U输入Softmax层输出概率向量P，得到变压器每一类故障的健康状态，健康状态包括局部放电、高温过热、中低温过热、高能放电、低能放电5种故障类型；取概率向量P中最大值的索引作为故障类型；
7.如权利要求6所述的基于多源数据图融合模型的变压器故障评估方法，其特征在于：所述多源数据图融合模型包括，选取部分历史数据进行标注，作为训练集，对多源数据标注，训练图自编码器参数，将重构图数据的关系矩阵与原始关系矩阵E计算二元交叉熵损失，表示为：
8.一种采用如权利要求1-7任一所述方法的基于多源数据图融合模型的变压器故障评估系统，其特征在于：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.基于多源数据图融合模型的变压器故障评估方法，其特征在于，包括：
2.如权利要求1所述的基于多源数据图融合模型的变压器故障评估方法，其特征在于：所述电力变压器的多源数据包括，油中溶解气体h2、c2h2、ch4、c2h6、co、c2h4、体积分数、局部放电量、套管介质耗损因数、环境因素及图片。
3.如权利要求2所述的基于多源数据图融合模型的变压器故障评估方法，其特征在于：信息融合包括，数据层信息融合、特征层信息融合、决策层信息融合。
4.如权利要求3所述的基于多源数据图融合模型的变压器故障评估方法，其特征在于：所述归一化包括，收集m个监测设备采集的历史数据，记为对每个属性r进行归一化处理；设rmin和rmax分别为属性r的最小值和最大值,将r的一个原始值xr通过标准化映射成在区间[0,1]中的值，对原始数据的线性变换,使其结果值映射到[0,1]之间；转换函数表示为：
5.如权利要求4所述的基于多源数据图融合模型的变压器故障评估方法，其特征在于：所述多源融合特征包括，1.将多源归一化数据分别输入多源深度自编码器，得到多源深度特征u1,u2,…,...
【专利技术属性】
技术研发人员：张历，虢韬，许逵，李鑫卓，张俊杰，吕黔苏，毛先胤，陈沛龙，范强，罗显跃，李金鑫，周敬余，王宇，辛明勇，龙秋风，刘斌，吕乾勇，刘君，李欣，朱石剑，黄军凯，赵超，杨柳青，张露松，付胜军，潘兴亚，邹雕，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。