摘要
本发明公开了结合深度学习的电力变压器局部放电信号提取诊断方法,包括如下步骤:S1、在电力变压器本体区域设置多通道同步采集系统进行多维原始局部放电数据集的采集;S2、对采集所得多维原始局部放电数据集预处理;S3、将处理信号时间对齐与幅值匹配,划分为滑动时间窗构建标准输入张量;S4、构建卷积神经网络与双向门控循环单元融合的注意力增强模型;S5、使用标注样本对注意力增强模型进行监督训练;S6、将实时信号输入训练模型,输出放电类型标签;S7、结合统计特征进行风险等级评估;S8、生成结构化诊断报告并上传至监控平台。本发明融合多源信号与深度模型,实现变压器局放智能诊断与风险评估。
技术关键词
电力变压器
门控循环单元
局部放电数据
诊断方法
电信号
多通道同步采集
电力系统监控平台
识别标签
卷积神经网络模块
多层卷积神经网络
滑动时间窗
注意力机制
风险
统计特征
包络提取算法