变压器的故障确定方法、装置和变压器故障识别系统与流程

本技术涉及变压器，具体而言，涉及一种变压器的故障确定方法、装置、计算机程序产品和变压器故障识别系统。

背景技术：

1、变压器是一种利用电磁感应原理来改变交流电压的设备，它能将电能在不同电压级之间进行转换。变压器广泛应用于发电、输电和配电等电力系统中，以及工业、商业和家庭中的众多电气设备中。基本上，变压器由两个或更多绕组组成，这些绕组通过铁心(磁心)相互耦合。当交流电流通过主绕组(初级线圈)时，会在铁心中产生变化的磁通，从而在次级线圈(绕组)中感应出交流电压。

2、目前常对变压器进行故障诊断，然而，目前的诊断方式对变压器故障诊断的准确率较低。

技术实现思路

1、本技术的主要目的在于提供一种变压器的故障确定方法、装置、计算机程序产品和变压器故障识别系统，以至少解决现有技术中变压器故障诊断的准确率较低的问题。

2、为了实现上述目的，根据本技术的一个方面，提供了一种变压器的故障确定方法，包括：获取变压器的数据，其中，所述数据至少包括时序数据、声音数据、dga数据和温度数据中的至少一种或者多种，其中，所述时序数据包括电压和/或电流；根据所述数据的类型，对所述数据进行预处理，得到目标数据，其中，预处理方式至少包括数据清洗、归一化、去噪和提取特征中的一种或者多种；根据所述目标数据的类型，采用对应的算法进行故障识别，得到多个识别结果，其中，算法包括lstm、cnn、随机森林和svm中的一种或者多种，所述目标数据和算法一一对应，所述目标数据和所述识别结果一一对应；对多个所述识别结果进行融合处理，得到综合识别结果，其中，融合方式至少包括加权平均。

3、可选地，根据所述数据的类型，对所述数据进行预处理，得到目标数据，包括：在所述数据为所述时序数据的情况下，对所述时序数据进行数据清洗、归一化、提取第一特征的处理，得到第一目标数据，其中，所述第一特征至少包括平均值、最大值和最小值中的一个或者多个；在所述数据为所述声音数据的情况下，对所述声音数据进行去噪、提取第二特征的处理，得到第二目标数据，其中，所述第二特征至少包括mfcc系数和/或频谱熵；在所述数据为所述dga数据的情况下，对所述dga数据进行提取第三特征的处理，得到第三目标数据，其中，所述第三特征至少包括气体比例和/或气体含量；在所述数据为所述温度数据的情况下，对所述温度数据进行数据清洗、归一化、提取第四特征的处理，得到第四目标数据，其中，所述第四特征至少包括平均值、最大值和最小值中的一个或者多个。

4、可选地，根据所述目标数据的类型，采用对应的算法进行故障识别，得到多个识别结果，包括：构建第一识别模型，其中，所述第一识别模型是使用多组训练数据来通过lstm算法训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史时序数据、所述历史时序数据对应的历史第一识别结果；将所述时序数据输入至所述第一识别模型，得到所述时序数据对应的第一识别结果；构建第二识别模型，其中，所述第二识别模型是使用多组训练数据来通过cnn算法训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史声音数据、所述历史声音数据对应的历史第二识别结果；将所述声音数据输入至所述第二识别模型，得到所述声音数据对应的第二识别结果；构建第三识别模型，其中，所述第三识别模型是使用多组训练数据来通过随机森林算法训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史dga数据、所述历史dga数据对应的历史第三识别结果；将所述dga数据输入至所述第三识别模型，得到所述dga数据对应的第三识别结果；构建第四识别模型，其中，所述第四识别模型是使用多组训练数据来通过svm算法训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史温度数据、所述历史温度数据对应的历史第四识别结果；将所述温度数据输入至所述第四识别模型，得到所述温度数据对应的第四识别结果。

5、可选地，对多个所述识别结果进行融合处理，得到综合识别结果，包括：根据第一融合方式和/或第二融合方式，对所述第一识别模型、所述第二识别模型、所述第三识别模型和所述第四识别模型进行融合，得到所述综合识别结果，其中，所述第一融合方式为特征层面的融合方式，特征层面的融合方式包括集成特征的融合和/或训练集成模型的融合，所述第二融合方式为决策层面的融合方式，决策层面的融合方式包括投票机制的融合和/或加权平均的融合。

6、可选地，在获取变压器的数据之后，所述方法还包括：获取所述变压器的绝缘结构的材料特性参数，其中，所述材料特性参数至少包括铁芯介电性能参数、绝缘油介性能参数、几何参数中的一个或者多个；根据所述材料特性参数，对所述变压器的所述绝缘结构进行仿真，得到仿真数据；构建第五识别模型，其中，所述第五识别模型是使用多组训练数据训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史仿真数据、所述历史仿真数据对应的历史故障概率；将所述仿真数据输入至所述第五识别模型，得到所述仿真数据对应的故障概率；在所述故障概率大于或者等于概率阈值的情况下，确定所述变压器故障；在所述故障概率小于所述概率阈值的情况下，确定所述变压器正常。

7、可选地，在获取变压器的数据之后，所述方法还包括：获取所述变压器的油枕的图像；获取所述图像中灰度值变化最大的点，得到油位分界位置；计算所述油位分界位置与参照点的距离，其中，所述参照点为所述油枕的底部或者顶部；根据所述距离确定所述油位的高度，其中，所述距离与所述高度呈正相关关系或者负相关关系。

8、可选地，在对多个所述识别结果进行融合处理，得到综合识别结果之后，所述方法还包括：根据至少相邻两个时刻的所述温度数据，确定温度变化率；在所述温度变化率大于或者等于变化率阈值的情况下，开启冷却设备，其中，所述冷却设备的运行功率和目标差值呈正相关关系，所述目标差值为所述温度变化率和变化率阈值的差值；在所述温度变化率小于所述变化率阈值的情况下，关闭所述冷却设备。

9、根据本技术的另一方面，提供了一种变压器的故障确定装置，包括：第一获取单元，用于获取变压器的数据，其中，所述数据至少包括时序数据、声音数据、dga数据和温度数据中的至少一种或者多种，其中，所述时序数据包括电压和/或电流；第一处理单元，用于根据所述数据的类型，对所述数据进行预处理，得到目标数据，其中，预处理方式至少包括数据清洗、归一化、去噪和提取特征中的一种或者多种；识别单元，用于根据所述目标数据的类型，采用对应的算法进行故障识别，得到多个识别结果，其中，算法包括lstm、cnn、随机森林和svm中的一种或者多种，所述目标数据和算法一一对应，所述目标数据和所述识别结果一一对应；第二处理单元，用于对多个所述识别结果进行融合处理，得到综合识别结果，其中，融合方式至少包括加权平均。

10、根据本技术的再一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现任意一种所述变压器的故障确定方法的步骤。

11、根据本技术的又一方面，提供了一种变压器故障识别系统，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的变压器的故障确定方法。

12、应用本技术的技术方案，可以结合变压器的多种数据来对变压器进行识别，通过对数据预处理，可以保证数据的有效性较好，不同类型的参数可以用不同的算法来进行识别，不同的算法适用的数据是不同的，有的算法更适用于时序的数据，有的算法更适用于数值的数据，进而通过多源融合的方式来得到最终的识别结果，从而保证了本方案的识别的准确率较高。