变压器故障检测模型训练方法、故障诊断方法及相关设备与流程

本公开涉及变压器故障检测领域，尤其涉及一种变压器故障检测模型训练方法、故障诊断方法及相关设备。

背景技术：

1、变压器是电力系统中重要的设备之一，其正常运行对于保障电力系统的稳定性和可靠性具有重要意义。然而，由于长期运行、老化、过载等原因，变压器容易发生各种故障，如绕组变形、接触不良、短路等。这些故障不仅会影响电力系统的正常运行，甚至可能引发严重的安全事故。因此，对变压器故障进行及时诊断和定位具有重要意义。

2、传统的变压器故障诊断方法主要包括电气测试、油样分析等，但这些方法往往需要耗费大量时间和人力，且在某些情况下难以准确诊断出故障类型和位置。

3、有鉴于此，如何实现对于变压器故障的精准检测，成为了一个重要的解决问题。

4、有鉴于此，本公开的目的在于提出一种变压器故障检测模型训练方法、故障诊断方法及相关设备，用以解决或部分解决上述问题。

5、基于上述目的，本公开的第一方面提供了一种变压器故障检测模型训练方法，所述方法包括：

6、获取变压器的初始声纹信号及所述初始声纹信号对应的故障类型；

7、利用小波包分析法对所述初始声纹信号进行预处理，得到输入信号，根据所述输入信号及所述故障类型建立信号数据集，其中所述输入信号数据集中包括训练数据集；

8、根据预设的特征提取算法对所述训练数据集中的第一输入信号进行特征提取，得到所述第一输入信号对应的第一声纹特征；

9、利用所述第一声纹特征与所述第一输入信号对应的第一故障类型对初始检测模型进行训练，得到第一训练结果；

10、根据所述第一训练结果与所述故障类型确定损失函数；

11、基于所述损失函数，采用反向传播算法迭代调整所述初始检测模型的权重值，直至所述损失函数收敛，得到故障检测模型。

12、基于同一发明构思，本公开的第二方面提出了一种变压器故障诊断方法，包括：

13、获取目标变压器的初始目标声纹信号，对所述初始目标声纹信号进行预处理，得到目标声纹信号；

14、将所述目标声纹信号输入至基于变压器故障检测模型的训练方法得到的故障检测模型，经由所述故障检测模型处理输出所述目标变压器对应的故障诊断结果。

15、基于同一发明构思，本公开的第三方面提出了一种变压器故障检测模型训练装置，包括：

16、信号获取模块，被配置为获取变压器的初始声纹信号及所述初始声纹信号对应的故障类型；

17、预处理模块，被配置为利用小波包分析法对所述初始声纹信号进行预处理，得到输入信号，根据所述输入信号及所述故障类型建立信号数据集，其中所述输入信号数据集中包括训练数据集；

18、特征提取模块，被配置为根据预设的特征提取算法对所述训练数据集中的第一输入信号进行特征提取，得到所述第一输入信号对应的第一声纹特征；

19、模型训练模块，被配置为利用所述第一声纹特征与所述第一输入信号对应的第一故障类型对初始检测模型进行训练，得到第一训练结果；

20、损失函数确定模块，被配置为根据所述第一训练结果与所述故障类型确定损失函数；

21、权重调整模块，被配置为基于所述损失函数，采用反向传播算法迭代调整所述初始检测模型的权重值，直至所述损失函数收敛，得到故障检测模型。

22、基于同一发明构思，本公开的第四方面提出了一种变压器故障诊断装置，包括：

23、预处理模块，被配置为获取目标变压器的初始目标声纹信号，对所述初始目标声纹信号进行预处理，得到目标声纹信号；

24、诊断结果输出模块，被配置为将所述目标声纹信号输入至所述的变压器故障检测模型的训练方法得到的故障检测模型，经由所述故障检测模型处理输出所述目标变压器对应的故障诊断结果。

25、基于同一发明构思，本公开的第五方面提出了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上所述的变压器故障检测模型训练方法或变压器故障诊断方法。

26、基于同一发明构思，本公开的第六方面提出了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上所述的变压器故障检测模型训练方法如所述的变压器故障诊断方法。

27、从上述可以看出，本公开提出一种变压器故障检测模型训练方法、故障诊断方法及相关设备，获取变压器的初始声纹信号及所述初始声纹信号对应的故障类型，利用小波包分析法对初始声纹信号进行预处理，得到输入信号，减少了环境噪声的干扰。根据预设的特征提取算法对训练数据集中的第一输入信号进行特征提取，得到第一输入信号对应的第一声纹特征，以供后续利用所述第一声纹特征进行模型训练。利用所述第一声纹特征与所述第一输入信号对应的第一故障类型对初始检测模型进行训练，得到第一训练结果后，根据所述第一训练结果与所述故障类型确定损失函数，以利用所述损失函数确定模型何时训练完成。基于所述损失函数，采用反向传播算法迭代调整所述初始检测模型的权重值，直至所述损失函数收敛，得到故障检测模型，以供后续利用训练完成的故障检测模型，对输入模型的声纹信号进行识别，以确定声纹信号对应的变压器是否存在故障，判断更加准确。

技术实现思路

技术特征：

1.一种变压器故障检测模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述利用小波包分析法对所述初始声纹信号进行预处理，得到输入信号，包括：

3.根据权利要求2所述的方法，其特征在于，所述利用小波包分析法对所述初始数字信号进行去噪处理，得到标准数字信号，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据预设的特征提取算法对所述训练数据集中的第一输入信号进行特征提取，得到所述第一输入信号对应的第一声纹特征，包括：

5.根据权利要求4所述的方法，其特征在于，所述利用预设的特征提取算法对所述第一输入信号进行特征提取，得到所述第一输入信号对应的时域特征及频域特征，包括：

6.根据权利要求1所述的方法，其特征在于，所述输入信号数据集还包括测试数据集，

7.一种变压器故障诊断方法，其特征在于，包括：

8.一种变压器故障检测模型训练装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1至6任意一项所述的变压器故障检测模型的训练方法或如权利要求7所述的变压器故障诊断方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行权利要求1至6任意一项所述的变压器故障检测模型的训练方法或如权利要求7所述的变压器故障诊断方法。

技术总结本公开提供了一种变压器故障检测模型训练方法、故障诊断方法及相关设备，包括：获取变压器的初始声纹信号及初始声纹信号对应的故障类型；利用小波包分析法对初始声纹信号进行预处理，得到输入信号，根据输入信号及故障类型建立输入信号数据集；根据预设的特征提取算法对训练数据集中的第一输入信号进行特征提取，得到第一声纹特征；利用第一声纹特征与第一输入信号对应的第一故障类型对初始检测模型进行训练，得到第一训练结果；根据第一训练结果与故障类型确定损失函数；基于损失函数，采用反向传播算法迭代调整初始检测模型的权重值，直至损失函数收敛，得到故障检测模型。本公开利用得到的故障检测模型实现了对于变压器故障的精准检测。技术研发人员：白景坡,邱镇,周逸平,靳敏,李小宁,王兴涛,卢大玮,黄晓光,苏勇,刘园园,李文璞,郭厅受保护的技术使用者：国网信息通信产业集团有限公司技术研发日：技术公布日：2024/4/17