【技术实现步骤摘要】
本专利技术属于数据处理，具体涉及一种变压器状态监测方法及系统。
技术介绍
1、变压器是电网中的核心设备，其运行状态直接关系到设备及系统的安全运行，如何确保变压器设备长期稳定运行，一直是电网设备运行与管理工作的核心内容。
2、传统的变压器监测方案是检查变压器中变压器油的油温和油位，以及变压器中的气体成分，依据人工手段判断变压器是否存在故障，费时费力，并且容易受到主观因素的影响，变压器监测的准确性较差。
3、随着模式识别、机器视觉、深度学习等技术的迅速发展，以及对于变压器状态监测的迫切需要，越来越多的现代化技术被应用到变压器状态监测中。
4、目前，已有根据变压器声音信号以对变压器状态进行监测的自动化方案，可以自动化对变压器状态进行监测。然而，通过变压器声音信号进行状态监测容易受到环境噪音的干扰，同时声音信号还会受到负载变化、温度、湿度等因素的影响，导致状态监测的可解释性差，同时也会降低变压器状态监测的准确性。
技术实现思路
1、为了解决传统的变压器监测方案依据人工手段判断变压器是否存在故障，费时费力，并且容易受到主观因素的影响，变压器监测的准确性较差，通过变压器声音信号进行状态监测容易受到环境噪音的干扰，同时声音信号还会受到负载变化、温度、湿度等因素的影响，导致状态监测的可解释性差，同时也会降低变压器状态监测的准确性的技术问题，本专利技术提供一种变压器状态监测方法及系统。
2、第一方面
3、本专利技术提供了一种变压器状态监测方
4、s1：持续获取变压器状态数据，所述变压器状态数据包括多类状态数据：油中溶解气体、局部放电、铁芯接地电流、油温和油压；
5、s2：通过主成分分析，对所述变压器状态数据进行降维处理；
6、s3：构建变压器状态监测模型，通过所述变压器状态监测模型对变压器的状态进行监测；所述s3具体包括：
7、s301：通过循环神经网络，提取所述变压器状态数据的全局特征；
8、s302：根据所述融合特征，对变压器的状态进行初步监测，判断所述变压器的初步监测结果是否存在故障，若是，进入下一步，否则，返回s1；
9、s303：通过卷积神经网络，提取所述变压器状态数据的局部特征；
10、s304：对所述局部特征与所述全局特征进行特征融合，得到融合特征；
11、s305：根据所述融合特征，对变压器的状态进行精细监测，断所述变压器的初步监测结果是否存在故障，若是，发出警报，否则，返回s1。
12、第二方面
13、本专利技术提供了一种变压器状态监测系统，包括处理器和用于存储处理器可执行指令的存储器；所述处理器被配置为调用所述存储器存储的指令，以执行第一方面中的变压器状态监测方法。
14、与现有技术相比，本专利技术至少具有以下有益技术效果：
15、（1）在本专利技术中，根据油中溶解气体、局部放电、铁芯接地电流、油温和油压等多类变压器状态数据，通过变压器状态监测模型自动化地综合监测变压器状态，可以更全面地评估变压器的状态，无需人工参与，省时省力，避免主观因素的影响，不会受到环境噪音的干扰，状态监测的可解释性强，提升了变压器监测的准确性。
16、（2）在本专利技术中，首先会通过循环神经网络进行初步监测，判断所述变压器的初步监测结果存在故障时，才会进一步与卷积神经网络进行特征融合，以更加准确地进行变压器状态监测，如果初步监测结果表明变压器状态正常，可以节省时间和计算资源，无需进行更复杂的特征提取和分析，可以减少了不必要的计算和数据处理。
17、（3）在本专利技术中，循环神经网络能够捕捉时间序列中的长期依赖关系，而卷积神经网络能够捕捉局部特征，通过特征融合，可以更全面地分析数据，提升了变压器监测的准确性。
本文档来自技高网...【技术保护点】
1.一种变压器状态监测方法，其特征在于，包括：
2.根据权利要求1所述的变压器状态监测方法，其特征在于，所述S2具体包括：
3.根据权利要求1所述的变压器状态监测方法，其特征在于，所述循环神经网络包括：输入层、状态层和注意力层；所述S301具体包括：
4.根据权利要求3所述的变压器状态监测方法，其特征在于，所述S302具体包括：
5.根据权利要求4所述的变压器状态监测方法，其特征在于，所述卷积神经网络包括：输入层、卷积层、池化层和全连接层；所述S303具体包括：
6.根据权利要求5所述的变压器状态监测方法，其特征在于，所述S304具体为：
7.根据权利要求6所述的变压器状态监测方法，其特征在于，所述S305具体包括：
8.根据权利要求1所述的变压器状态监测方法，其特征在于，所述变压器状态监测模型的训练方式包括：
9.根据权利要求1所述的变压器状态监测方法，其特征在于，以所述目标函数的函数值最大为目标，对所述变压器状态监测模进行训练，具体包括：
10.一种变压器状态监测系统，
...【技术特征摘要】
1.一种变压器状态监测方法，其特征在于，包括：
2.根据权利要求1所述的变压器状态监测方法，其特征在于，所述s2具体包括：
3.根据权利要求1所述的变压器状态监测方法，其特征在于，所述循环神经网络包括：输入层、状态层和注意力层；所述s301具体包括：
4.根据权利要求3所述的变压器状态监测方法，其特征在于，所述s302具体包括：
5.根据权利要求4所述的变压器状态监测方法，其特征在于，所述卷积神经网络包括：输入层、卷积层、池化层和全连接层；所述s303具体包括：
6.根据权利要求5所述的变压器状态监测方法，其特...
【专利技术属性】
技术研发人员：刘玉普，陈鑫，赵飞，唐连镇，陈凯，张超，王新宇，郭飞飞，张建业，姚雀，刘鹏，袁福强，付常江，张安彬，
申请(专利权)人：山东和兑智能科技有限公司，
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。