(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211332982.5 (22)申请日 2022.10.28 (71)申请人 国网山东省电力公司淄博供电公司 地址 255000 山东省淄博市张店区北 北京 路67号 (72)发明人 刘帅　李垚　王强　孙磊　巩方伟　 杨超　魏文震　罗兵　张扬　 耿晓辉　成晓俊　王欣　常达　 卢志强　李恒　张勇　庞伟　钟勇　 孙毅　田亮　韩栋　董云峰　 陈朝迁　刘故帅　罗光凯　杨增健　 吴超　杨志文　 (74)专利代理 机构 淄博川诚知识产权代理事务 所(特殊普通 合伙) 37275 专利代理师 高鹏飞(51)Int.Cl. G06V 20/52(2022.01) G06V 10/82(2022.01) G06V 10/20(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于联合神经网络的变电站变压器故障识 别方法 (57)摘要 本发明公开了基于联合神经网络的变电站 变压器故障识别方法， 涉及变压器故障识别技术 领域， 识别方法包括以下步骤： 步骤一： 对变电站 变压器故障数据进行收集整理； 步骤二： 对故障 数据信息进行预处理； 步骤三： 构建基于联合神 经网络的变压器故障识别模型； 步骤四： 利用卷 联合神经网络提取图形数据特征和时序数据特 征， 增加重要特征的权重占比和结果影响； 步骤 五： 最后由联合神经网络输出识别结果。 该基于 联合神经网络的变电站变压器故障识别方法， 提 高变压器故障识别的准确率， 同时提高了电网的 智能化水平， 将变压器一维参数数据和二维图像 数据作为输入， 输入到联合神经网络中， 实现变 压器的故障识别。 权利要求书2页 说明书5页 附图2页 CN 115527172 A 2022.12.27 CN 115527172 A 1.基于联合神经网络的变电站变压器故障识别方法， 其特征在于， 识别方法包括以下 步骤： 步骤一： 对变电站变压器故障数据进行收集整理， 通过变电站 的监控设备仪器以及利 用检测故障方法对变电站变压器的故障数据进行收集； 步骤二： 对故障数据信息进行预处理， 通过格拉姆角对变压器的故障数据进行图像二 维化处理得到图像二维数据， 且图像二维数据与变压器的故障数据为输入值； 步骤三： 构建基于联合神经网络的变压器故障识别模型； 步骤四： 利用卷积神经网络和双向长短时记忆网络组成的联合神经网络提取图形数据 特征和时序数据特征， 并采用注意力机制对联合神经网络的特征进行权重分配， 增加重要 特征的权重占比和结果影响； 步骤五： 最后由联合神经网络 输出识别结果。 2.根据权利要求1所述的基于联合神经网络的变电站变压器故障识别方法， 其特征在 于： 所述步骤一中变电站的监控设备仪器包括变电站中的监控系统， 通过监控系统收集变 压器四周的图像信息， 并生成图像数据。 3.根据权利要求1所述的基于联合神经网络的变电站变压器故障识别方法， 其特征在 于： 所述步骤一中检测故障方法为油中溶解气体分析法， 且油中溶解气体分析法分析出 的 气体包括： 甲烷、 乙烷、 乙烯、 一氧化 碳、 二氧化 碳、 氢气和乙炔。 4.根据权利要求1所述的基于联合神经网络的变电站变压器故障识别方法， 其特征在 于： 所述基于联合神经网络的变压器故障识别模型中的神经元为i， 且故障数据分别为u1， u2...ux， 且u1， u2...ux为输入层神经元的值， W1i， W2i， ...Wxi为输入层各个神经元与第 i 个神经元之间的权值， f为非线性 函数， 称为激励函数， yi 为神经元i的输出。 5.根据权利要求4所述的基于联合神经网络的变电站变压器故障识别方法， 其特征在 于： 所述基于联合神经网络的变压器故障识别模型中f的计算公式为： 激发函数为： 6.根据权利要求1所述的基于联合神经网络的变电站变压器故障识别方法， 其特征在 于： 所述步骤四中卷积神经网络模型采用一个卷积层和采样层， 卷积层为特征提取层， 卷积 层上的每一个神经元与前一层的局部感受野相连， 卷积层的输出为提取到的特征， 其中将 骤一中检测的气体占比作为输入量， 格式如下： 式中 分别代表 氢气、 甲烷、 乙烷、 乙烯和乙 炔的含量， 代表气体总含量， 代表烷烃类气体的总含量。 7.根据权利要求1所述的基于联合神经网络的变电站变压器故障识别方法， 其特征在 于： 所述步骤四中联合神经网络中的网络中输入节点等于模式的维数， 通过氢气、 甲烷、 乙 烷、 一氧化碳、 二氧化碳、 乙烯和乙炔的含量数据作为输入向量来判定变压器发生 故障的类权　利　要　求　书 1/2 页 2 CN 115527172 A 2型， 输出向量采用一般过 热、 严重过 热、 局部放电、 火花 放电和电弧放电五个输出神经 元。 8.根据权利要求6所述的基于联合神经网络的变电站变压器故障识别方法， 其特征在 于： 所述步骤四中单个输入样本为x， 卷积核个数为n， 每个卷积核大小为m ×1， 每个卷积核 对应的输出特征大小为(6 ‑m)×1， 其中卷积层与输入层之间的连接数为(6 ‑m)×(m+1)×n， 可训练的参数 数目为(m+1) ×n， 其中卷积层第k种卷积核的输出 结果为： 式中， aC1， i， k表示第k中卷积核输出的第 i个元素， 表示第k中卷积核的第j个元素， bk表示第k中卷积核的偏置， f表示卷积层所采用的激活函数； 所述采样层采用均值采样操作， 采样宽度为p ×1， 每个特征对应的采样输出大小为 ((6‑m)/p)×1， 第k个卷积核对应的采样层S2的输出结果为： 式中a}2， i， k表示第k种卷积核对应采样层的第j个输出。权　利　要　求　书 2/2 页 3 CN 115527172 A 3