公开(公告)号：CN119046742B

公开(公告)日：2025-02-14

申请号：CN202411535473.1

申请日：2024-10-31

Applicant: 安徽建筑大学

Inventor： 汪涛 ,  庞飞翔 ,  鲁力 ,  邓芳明 ,  李兵 ,  邵晖 ,  张润梅

IPC: G06F18/24 ,  G01M7/02 ,  G01R31/62 ,  G01R31/72 ,  G06F18/213 ,  G06F18/10 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明的一种变压器绕组机械故障严重程度识别方法、设备及存储介质，包括首先通过传感器对变压器运行时的振动信号进行采集；将采集的振动信号分为两组，一组为训练数据一组为测试数据；利用训练数据对多头注意力机制增强的CLSTM模型进行训练，并利用测试数据对训练后的CLSTM模型泛化能力进行测试并依据结果对模型进行局部微调，最终利用局部微调后的CLSTM模型对变压器机械故障进行识别，在此基础上，利用SSDA模型对诊断出的机械故障进行严重程度识别。本发明可以减少变电运维人员的工作量，实现变压器绕组机械故障及其严重程度的主动识别，对变电设备运维数字化、智能化转型具有重要意义。

公开(公告)号：CN119046742A

公开(公告)日：2024-11-29

申请号：CN202411535473.1

申请日：2024-10-31

Applicant: 安徽建筑大学

Inventor： 汪涛 ,  庞飞翔 ,  鲁力 ,  邓芳明 ,  李兵 ,  邵晖 ,  张润梅

IPC: G06F18/24 ,  G01M7/02 ,  G01R31/62 ,  G01R31/72 ,  G06F18/213 ,  G06F18/10 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明的一种变压器绕组机械故障严重程度识别方法、设备及存储介质，包括首先通过传感器对变压器运行时的振动信号进行采集；将采集的振动信号分为两组，一组为训练数据一组为测试数据；利用训练数据对多头注意力机制增强的CLSTM模型进行训练，并利用测试数据对训练后的CLSTM模型泛化能力进行测试并依据结果对模型进行局部微调，最终利用局部微调后的CLSTM模型对变压器机械故障进行识别，在此基础上，利用SSDA模型对诊断出的机械故障进行严重程度识别。本发明可以减少变电运维人员的工作量，实现变压器绕组机械故障及其严重程度的主动识别，对变电设备运维数字化、智能化转型具有重要意义。