[发明专利]变压器故障诊断方法及变压器故障诊断装置

权利要求书

1.一种变压器故障诊断方法，其特征在于，所述方法包括：

获取目标变压器的当前DGA数据和所述目标变压器的当前运行数据；

将所述当前DGA数据和所述当前运行数据输入已训练的故障诊断模型，以获得所述已训练的故障诊断模型输出的变压器故障类型；其中，所述已训练的故障诊断模型采用深度学习技术对预先采集的历史故障数据进行学习而获得。

2.根据权利要求1所述的变压器故障诊断方法，其特征在于，所述预先采集的历史故障数据包括：所述目标变压器发生故障时的DGA数据、运行数据，以及与该DGA数据和该运行数据对应的故障类型，所述采用深度学习技术对预先采集的历史故障数据进行学习，获得所述已训练的故障诊断模型，包括：

建立所述预先采集的历史故障数据中的DGA数据、所述预先采集的历史故障数据中的运行数据与所述预先采集的历史故障数据中的故障类型之间的关系，获得变压器故障经验池；

采用深度学习技术对所述变压器故障经验池进行学习，获得所述已训练的故障诊断模型。

3.根据权利要求2所述的变压器故障诊断方法，其特征在于，所述采用深度学习技术对所述变压器故障经验池进行学习，获得所述已训练的故障诊断模型，包括：

基于卷积神经网络采用深度学习技术对所述变压器故障经验池进行非监督学习，确定所述卷积神经网络各层的权重，获得所述已训练的故障诊断模型。

4.根据权利要求1所述的变压器故障诊断方法，其特征在于，所述方法还包括：

对所述已训练的故障诊断模型进行优化，获得优化的故障诊断模型；

将所述当前DGA数据和所述当前运行数据输入所述优化的故障诊断模型，以获得所述优化的故障诊断模型输出的变压器故障类型。

5.根据权利要求4所述的变压器故障诊断方法，其特征在于，所述对所述已训练的故障诊断模型进行优化，获得优化的故障诊断模型，包括：

当所述目标变压器发生实际故障，而所述已训练的故障诊断模型未输出相应的变压器故障类型时，采集该实际故障的故障类型、该实际故障发生时所述目标变压器的DGA数据和运行数据；

将采集到的该实际故障的故障类型、该实际故障发生时所述目标变压器的DGA数据和运行数据添加至所述预先采集的历史故障数据中，获得更新的历史故障数据；

采用深度学习技术对所述更新的历史故障数据进行学习，获得优化的故障诊断模型。

6.根据权利要求1所述的变压器故障诊断方法，其特征在于，在所述获得所述已训练的故障诊断模型输出的变压器故障类型之后，所述方法还包括：

进行故障报警。

7.根据权利要求1所述的变压器故障诊断方法，其特征在于，所述目标变压器的DGA数据包括：变压器油中溶解的气体成分、各气体成分占总烃的百分比和各气体成分占总氢烃的百分比。

8.根据权利要求1所述的变压器故障诊断方法，其特征在于，所述目标变压器的运行数据包括：变压器容量、运行方式和运行年限。

9.一种变压器故障诊断装置，其特征在于，所述装置包括：

数据获取单元，用于获取目标变压器的当前DGA数据和所述目标变压器的当前运行数据；

故障类型获取单元，用于将所述当前DGA数据和所述当前运行数据输入已训练的故障诊断模型，以获得所述已训练的故障诊断模型输出的变压器故障类型；其中，所述已训练的故障诊断模型采用深度学习技术对预先采集的历史故障数据进行学习而获得。

10.一种计算机存储介质，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8中任意一项所述的变压器故障诊断方法。