【技术实现步骤摘要】
本专利技术涉及电力设备监测与故障诊断，特别是一种主变压器设备状态评估及预警方法及系统。
技术介绍
1、主变压器作为电力系统中的关键设备，其运行状态直接关系到整个电网的安全和稳定性。随着电力系统规模的不断扩大和对供电可靠性要求的不断提高，对主变压器的实时监测和状态评估变得尤为重要。近年来，随着传感技术和数据分析技术的快速发展，多模态数据采集和处理技术在主变压器状态评估中得到了广泛应用。传统的主变压器状态评估方法主要依赖于单一的电气参数或机械参数，这些方法虽然在一定程度上能够反映设备的运行状态，但由于缺乏多模态数据的综合分析，往往无法全面准确地评估设备的健康状况。
2、现有的主变压器状态评估方法存在以下不足：首先，单一参数的监测方法无法全面反映主变压器的多方面运行状态，容易遗漏潜在的故障隐患。例如，仅依靠电气参数的监测可能无法及时发现机械故障或温度异常，而这些故障同样会对设备的运行安全造成严重影响。其次，现有的状态评估方法在数据处理和特征提取方面存在不足，缺乏有效的多模态数据融合技术，导致评估结果的准确性和可靠性较低。此外，现有的预警方法通常基于简单的阈值比较，无法动态调整预警策略，难以适应复杂多变的运行环境。
技术实现思路
1、鉴于上述现有存在的问题，提出了本专利技术。
2、因此，本专利技术提供了一种主变压器设备状态评估及预警方法解决现有技术中多模态数据融合不充分和评估结果准确性低的问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：>
4、第一方面，本专利技术提供了一种主变压器设备状态评估及预警方法，其包括，采集多模态数据，并对多模态数据预处理对预处理后多模态数据进行融合，获得融合特征向量；基于融合特征向量，获取主变压器健康指数；基于主变压器健康指数，通过量子关联分析评估主变压器健康状态；基于主变压器健康状态，通过时间序列分析主变压器健康趋势，获取预警信号；基于预警信号，通过主变压器历史工况数据，分析主变压器故障，制定维护策略。
5、作为本专利技术所述主变压器设备状态评估及预警方法的一种优选方案，其中：所述多模态数据包括变压器温度数据、机械振动数据、变压器气体浓度数据和电气波动数据；
6、所述对多模态数据预处理包括去除噪声、异常值处理和数据归一化。
7、作为本专利技术所述主变压器设备状态评估及预警方法的一种优选方案，其中：所述对预处理后多模态数据进行融合，获得融合特征向量，具体步骤如下，
8、基于预处理后多模态数据，使用全连接层提取每个模态的模态特征，生成模态特征向量；
9、通过softmax算法计算所述模态特征的权重，并对模态特征的权重进行归一化处理，获得归一化模态特征权重；
10、基于所述归一化模态特征权重通过门控机制生成门控向量，调节模态特征；
11、对调节后的模态特征逐元素加权融合，获得融合特征向量。
12、作为本专利技术所述主变压器设备状态评估及预警方法的一种优选方案，其中：所述基于融合特征向量，获取主变压器健康指数，具体步骤如下，
13、将融合特征向量输入非线性加权sigmoid函数，获取主变压器健康指数。
14、作为本专利技术所述主变压器设备状态评估及预警方法的一种优选方案，其中：所述基于主变压器健康指数，通过量子关联分析评估主变压器健康状态，具体步骤如下，
15、将每个模态特征归一化后作为量子态向量，通过量子态向量加权并构建模态特征密度矩阵；
16、基于模态特征密度矩阵通过量子关联分析计算量子关联度；
17、基于量子关联度和主变压器健康指数，计算主变压器健康值q；
18、基于历史多模态数据设置高阈值thigh和低阈值tlow，评估主变压器健康状态；
19、当q≥thigh时，表示主变压器处于健康的状态；
20、当q≤tlow时，表示主变压器处于不健康的状态，立即检测和维修；
21、当tlow<q<thigh时，表示主变压器处于亚健康状态，持续监测。
22、作为本专利技术所述主变压器设备状态评估及预警方法的一种优选方案，其中：所述基于主变压器健康状态，通过时间序列分析主变压器健康趋势，获取预警信号，具体步骤如下，
23、基于主变压器健康状态，通过比率函数计算相邻时间点的变化率，得到主变压器健康值变化率；
24、基于主变压器健康值变化率通过时间序列分析，获取主变压器健康值变化趋势；
25、基于主变压器健康值变化趋势，通过逻辑斯蒂函数计算主变压器预警值；
26、基于主变压器健康状态中性点设定阈值γ，通过对比阈值γ与主变压器预警值wt，判断是否发出预警信号；
27、当wt>γ时，表示主变压器的健康状态有恶化的趋势，发出预警信号；
28、当wt≤γ时，表示主变压器的健康状态相对稳定。
29、作为本专利技术所述主变压器设备状态评估及预警方法的一种优选方案，其中：所述基于预警信号，通过主变压器历史工况数据，分析主变压器故障，制定维护策略，具体步骤如下，
30、通过变压器故障类型和变压器故障严重程度制定预设分类规则；
31、基于预警信号，通过预设分类规则进行故障分类；
32、基于故障分类结果，通过主变压器历史工况数据，分析出故障的频次、停机时间和维修成本；
33、基于分析结果，将故障类型分为高优先级、中优先级和低优先级，分别制定维护策略。
34、第二方面，本专利技术提供了一种主变压器设备状态评估及预警系统，包括，数据采集与预处理模块、特征融合模块、健康指数计算模块、量子关联分析模块、健康趋势分析与预警模块和故障诊断与策略制定模块；数据采集与预处理模块，用于采集多模态数据，并对多模态数据预处理；特征融合模块，用于对预处理后多模态数据进行融合，获得融合特征向量；健康指数计算模块，用于基于融合特征向量，获取主变压器健康指数；量子关联分析模块，用于基于主变压器健康指数，通过量子关联分析评估主变压器健康状态；健康趋势分析与预警模块，用于基于主变压器健康状态，通过时间序列分析主变压器健康趋势，获取预警信号；故障诊断与策略制定模块，用于基于预警信号，通过主变压器历史工况数据，分析主变压器故障，制定维护策略。
35、第三方面，本专利技术提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本专利技术第一方面所述的主变压器设备状态评估及预警方法的任一步骤。
36、第四方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本专利技术第一方面所述的主变压器设备状态评估及预警方法的任一步骤。
37、本专利技术有益效果为：本专利技术通过多模态数据融合，实现了多模态数据的有效融合，生成综合的特征向量，提高了数据融合的准确性和可靠性，确保了后本文档来自技高网...
【技术保护点】
1.一种主变压器设备状态评估及预警方法，其特征在于：包括，
2.如权利要求1所述的主变压器设备状态评估及预警方法，其特征在于：
3.如权利要求2所述的主变压器设备状态评估及预警方法，其特征在于：所述对预处理后多模态数据进行融合，获得融合特征向量，具体步骤如下，
4.如权利要求3所述的主变压器设备状态评估及预警方法，其特征在于：所述基于融合特征向量，获取主变压器健康指数，具体步骤如下，
5.如权利要求4所述的主变压器设备状态评估及预警方法，其特征在于：所述基于主变压器健康指数，通过量子关联分析评估主变压器健康状态，具体步骤如下，
6.如权利要求5所述的主变压器设备状态评估及预警方法，其特征在于：所述基于主变压器健康状态，通过时间序列分析主变压器健康趋势，获取预警信号，具体步骤如下，
7.如权利要求6所述的主变压器设备状态评估及预警方法，其特征在于：所述基于预警信号，通过主变压器历史工况数据，分析主变压器故障，制定维护策略，具体步骤如下，
8.一种主变压器设备状态评估及预警系统，基于权利要求1～7任一
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1～7任一所述的主变压器设备状态评估及预警方法的步骤。
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1～7任一所述的主变压器设备状态评估及预警方法的步骤。
...【技术特征摘要】
1.一种主变压器设备状态评估及预警方法，其特征在于：包括，
2.如权利要求1所述的主变压器设备状态评估及预警方法，其特征在于：
3.如权利要求2所述的主变压器设备状态评估及预警方法，其特征在于：所述对预处理后多模态数据进行融合，获得融合特征向量，具体步骤如下，
4.如权利要求3所述的主变压器设备状态评估及预警方法，其特征在于：所述基于融合特征向量，获取主变压器健康指数，具体步骤如下，
5.如权利要求4所述的主变压器设备状态评估及预警方法，其特征在于：所述基于主变压器健康指数，通过量子关联分析评估主变压器健康状态，具体步骤如下，
6.如权利要求5所述的主变压器设备状态评估及预警方法，其特征在于：所述基于主变压器健康状态，通过时间序列分析主变压器健康趋势，获取预警信号，具体步骤如下，
7....
【专利技术属性】
技术研发人员：许宏洋，周冀，李文明，唐红燕，段一平，犹洲，赵亚萍，张彦红，程浩，赵红雨，
申请(专利权)人：国网青海省电力公司海东供电公司，
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。