CN120030420B 基于改进变换网络的变压器局部放电智能诊断方法 （江苏前景瑞信科技发展有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120030420B(45)授权公告日2025.07.11

(21)申请号202510507261.0

(22)申请日2025.04.22

(65)同一申请的已公布的文献号申请公布号CN120030420A

(43)申请公布日2025.05.23

(73)专利权人江苏前景瑞信科技发展有限公司地址211100江苏省南京市江宁区胜利路

99号名家科技大厦A座8层805室(江宁开发区)

(72)发明人谢海疆曹坤缪武杰钱军

李宇涵

(74)专利代理机构南京佰腾智信知识产权代理事务所(普通合伙)32509

专利代理师吕丹

(51)Int.CI.

GO6F18/241(2023.01)

GO1R31/12(2020.01)

GO6F18/2415(2023.01)

GO6F18/2131(2023.01)

GO6F18/25(2023.01)

GO6V10/82(2022.01)

GO6N3/0455(2023.01)

GO6N3/0464(2023.01)

GO6N3/0442(2023.01)

GO6N3/0895(2023.01)

G06F123/02(2023.01)

(56)对比文件

CN119691518A,2025.03.25

CN119782932A,2025.04.08审查员李颖

权利要求书2页说明书10页附图1页

(54)发明名称

基于改进变换网络的变压器局部放电智能诊断方法

(57)摘要

CN120030420B本发明公开了一种基于改进变换网络的变压器局部放电智能诊断方法，涉及变压器故障诊断技术领域，包括采集变压器局部放电信号，并对所述局部放电信号进行预处理，得到时序序列；采用马尔可夫转换场MTF算法、格拉姆角域场GASF算法和格拉姆角差场GADF算法分别将所述时序序列转换为特征图像；将所述特征图像通过改进变换网络模型进行处理，得到融合特征向量；将所述融合特征向量输入至故障诊断模型，输出变压器局部放电的故障诊断结果。本发明通过结合环境参数和信号特征的可解释图推理机制，在测试中提高了油隙放电识别率，使故障诊

CN120030420B

[图所花5一化

数据预处理模块特征图像转化模块故障诊断模块

CN120030420B权利要求书1/2页

2

1.一种基于改进变换网络的变压器局部放电智能诊断方法，其特征在于：包括，采集变压器局部放电信号，并对所述局部放电信号进行预处理，得到时序序列；

采用马尔可夫转换场MTF算法、格拉姆角域场GASF算法和格拉姆角差场GADF算法分别将所述时序序列转换为特征图像；

将所述特征图像通过改进变换网络模型进行处理，得到融合特征向量；

将所述融合特征向量输入至故障诊断模型，输出变压器局部放电的故障诊断结果；

引入自监督-图推理双驱动框架增强改进变换网络模型的泛化能力，形成故障诊断模型，包括：

对特征图像随机遮蔽预设比例的时频图块，得到遮蔽后的特征图像；

通过Transformer解码器对遮蔽后的特征图像进行重构，得到重构后的特征图像；

对同一局部放电信号施加随机噪声和尺度变换生成正样本对，将不同类别的局部放电信号作为负样本，构建对比学习样本集；

基于所述对比学习样本集，对所述改进变换网络模型进行训练，得到故障诊断模型；

将融合特征向量输入至故障诊断模型，并在图推理阶段构建动态因果图网络；

将放电脉冲特征、时频能量分布和环境参数设置为图节点；

通过注意力机制计算所述图节点之间的因果关系强度，得到节点关系权重；

基于所述节点关系权重，对所述图节点进行迭代更新，建立故障传播路径，输出故障诊断结果；

将所述特征图像通过改进变换网络模型进行处理，得到融合特征向量，包括：

将特征图像输入改进变换网络模型，其中所述改进变换网络模型时频解析分支和时域解析分支；所述时频解析分支采用空间注意力机制提取三维时频特征；所述时域解析分支通过深度可分离膨胀卷积网络捕获局部放电脉冲的时域特征，并利用BiLSTM时序注意力构建改进变换网络模型；

基于所述三维时频特征和所述时域特征，采用异构特征对齐融合机制，通过可变形卷积将三维时频特征FTF的空间维度映射至时域特征FTD的时序维度；

采用多头交叉注意力机制建立跨模