[发明专利]换流变压器状态识别方法、装置、设备、介质和程序产品

权利要求书

1.一种换流变压器状态识别方法，其特征在于，所述方法包括：

获取换流变压器的振动信号，将所述振动信号进行归一化处理，得到振动信号序列；

根据所述振动信号序列，得到时域特征图谱、频域特征图谱以及能量域特征图谱；

根据所述时域特征图谱、所述频域特征图谱以及所述能量域特征图谱，得到时域分类模型、频域分类模型以及能量域分类模型；

分别获取所述时域分类模型、所述频域分类模型以及所述能量域分类模型，各自对应的状态判别概率；

基于软投票法，针对各所述状态判别概率进行集成处理，得到换流变压器的状态识别结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述振动信号序列，得到时域特征图谱、频域特征图谱以及能量域特征图谱的步骤，包括：

根据所述振动信号序列，得到时域振动信号序列；

将所述振动信号序列进行选带快速傅里叶变换，得到频域振动信号序列；

将所述振动信号序列进行连续小波变换，得到时间小波能量序列；

根据所述时域振动信号序列、所述频域振动信号序列以及所述时间小波能量序列，得到所述时域特征图谱、所述频域特征图谱以及所述能量域特征图谱。

3.根据权利要求2所述的方法，其特征在于，所述根据所述时域振动信号序列、所述频域振动信号序列以及所述时间小波能量序列，得到所述时域特征图谱、所述频域特征图谱以及所述能量域特征图谱的步骤，包括：

将所述时域振动信号序列、所述频域振动信号序列以及所述时间小波能量序列，进行极坐标变换，得到时域特征向量、频域特征向量以及能量域特征向量；

基于格拉姆角场原理，针对时域特征向量、频域特征向量以及能量域特征向量进行图谱转换，得到所述时域特征图谱、所述频域特征图谱以及所述能量域特征图谱。

4.根据权利要求2所述的方法，其特征在于，所述将所述振动信号序列进行选带快速傅里叶变换，得到频域振动信号序列的步骤，包括：

将所述振动信号序列的零点，移动至预设谱线位置，得到移频振动信号序列；

将所述移频振动信号序列进行低通滤波处理，得到低频振动信号序列；

针对所述低频振动信号序列进行重采样，得到所述频域振动信号序列。

5.根据权利要求2所述的方法，其特征在于，所述将所述振动信号序列进行连续小波变换，得到时间小波能量序列的步骤，包括：

将所述振动信号序列进行连续小波变换，得到小波系数矩阵；

根据所述小波系数矩阵，得到所述时间小波能量序列。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述时域特征图谱、所述频域特征图谱以及所述能量域特征图谱，得到时域分类模型、频域分类模型以及能量域分类模型的步骤，包括：

基于卷积神经网络，构建有监督学习模型；所述有监督学习模型的损失函数为交叉熵损失函数；

基于自动编码器，构建无监督学习模型；所述无监督学习模型的损失函数为MSE损失函数；

根据所述有监督学习模型及所述无监督学习模型，构建半监督学习模型；所述半监督学习模型的损失函数为依据所述交叉熵损失函数以及所述MSE损失函数得到；

将所述时域特征图谱、所述频域特征图谱以及所述能量域特征图谱，分别输入至所述半监督学习模型，得到所述时域分类模型、所述频域分类模型以及所述能量域分类模型。