多源监测数据融合的变电站设备健康状态评估方法及系统与流程

本申请涉及智能电网，具体涉及多源监测数据融合的变电站设备健康状态评估方法及系统。

背景技术：

1、随着智能电网和泛在电力物联网建设的推进，变电站内电力设备配置的多类监测传感器数量不断增加，积累了海量多源异构的设备运行与状态数据。变压器作为变电站核心设备，其健康状态直接关系到整个电网的运行安全性与稳定性，准确评估变压器健康状态，提前预判故障隐患，对变电站运维检修具有重要意义。

2、现有的变压器健康状态评估方法，如cn121071754a，通过物理信息神经网络将热传导方程与气体分解动力学方程嵌入损失函数，实现了温度场与气体浓度的耦合建模，但其评估过程为黑箱模式，无法明确各传感器数据和物理规律对评估结论的具体贡献，导致运维人员难以信任模型判断。又如cn120317527a和cn120930508b，采用知识图谱与多分支网络进行故障诊断或退化轨迹预测，但输出结果单一，仅给出故障类型或退化趋势，缺乏健康等级、热点温度和剩余寿命等多任务同步评估能力，且未对预测结果进行不确定性量化，无法提供评估置信区间。

3、综上，在变电站设备健康管理的实际应用中，现有方法在评估过程可解释性差，无法满足电力系统对决策透明度的要求；输出信息不完备，难以支撑多维度运维决策；缺乏置信度边界，增加了误判风险；评估模型不具备自适应更新能力，无法适应设备长期运行中的状态漂移，且未考虑边缘端轻量化部署需求。

技术实现思路

1、本申请实施例通过提供多源监测数据融合的变电站设备健康状态评估方法及系统，解决了现有评估过程可解释性差、输出信息不完备、缺乏置信度边界、模型不具备自适应更新能力且未考虑边缘端轻量化部署需求的技术问题。

2、本申请解决上述技术问题的技术方案如下：

3、第一方面，本申请提供了多源监测数据融合的变电站设备健康状态评估方法，所述方法包括：

4、加载变压器的多源异构状态数据；

5、基于所述多源异构状态数据和变压器热传导偏微分方程，执行物理信息神经网络编码，获得物理约束损失值和物理先验嵌入向量；

6、基于所述多源异构状态数据和所述物理先验嵌入向量，根据变压器物理拓扑结构执行时空图transformer融合，获得跨模态融合特征向量；

7、基于所述跨模态融合特征向量，执行多任务健康评估，同步获得健康等级分类概率分布、热点温度预测值和剩余寿命预测值；

8、基于所述多任务健康评估中的模型参数，执行贝叶斯不确定性量化，获得所述健康等级分类概率分布、所述热点温度预测值和所述剩余寿命预测值各自的置信区间；

9、基于所述时空图transformer融合中的注意力权重矩阵和所述物理约束损失值中各方程项的贡献比例，执行物理注意力归因，生成可解释性评估报告。

10、第二方面，本申请提供了多源监测数据融合的变电站设备健康状态评估系统，包括：

11、初始数据采集模块，用于加载变压器的多源异构状态数据；

12、神经网络编码模块，用于基于所述多源异构状态数据和变压器热传导偏微分方程，执行物理信息神经网络编码，获得物理约束损失值和物理先验嵌入向量；

13、特征向量融合模块，用于基于所述多源异构状态数据和所述物理先验嵌入向量，根据变压器物理拓扑结构执行时空图transformer融合，获得跨模态融合特征向量；

14、多任务健康评估模块，用于基于所述跨模态融合特征向量，执行多任务健康评估，同步获得健康等级分类概率分布、热点温度预测值和剩余寿命预测值；

15、贝叶斯量化执行模块，用于基于所述多任务健康评估中的模型参数，执行贝叶斯不确定性量化，获得所述健康等级分类概率分布、所述热点温度预测值和所述剩余寿命预测值各自的置信区间；

16、评估报告生成模块，用于基于所述时空图transformer融合中的注意力权重矩阵和所述物理约束损失值中各方程项的贡献比例，执行物理注意力归因，生成可解释性评估报告。

17、本申请提供了一个或多个技术方案，至少具有如下技术效果或优点：

18、本申请实施例通过提供多源监测数据融合的变电站设备健康状态评估方法及系统，首先，将变压器热传导物理规律以物理约束损失的形式嵌入神经网络编码过程，结合变压器实际物理拓扑构建时空图transformer实现多源异构数据的跨模态融合，既利用了物理先验知识提升模型泛化能力，又通过数据驱动的特征融合保证了评估准确性。其次，采用参数共享的多任务健康评估，同步输出健康等级分类概率、热点温度预测与剩余寿命预测，实现多维度健康状态输出。再次，通过贝叶斯神经网络对模型参数和数据噪声分别建模认知不确定性与偶然不确定性，为各输出结果提供明确的置信区间，降低误判风险。最后，通过物理注意力归因生成自然语言形式的可解释性评估报告，明确各传感器数据和物理方程项对评估结果的贡献，满足电力系统对决策透明度的要求，同时通过增量学习实现模型参数的动态更新，结合知识蒸馏实现云边协同部署，适配了变电站边缘端的实时评估需求。

19、通过上述技术方案，本申请解决了现有评估方法可解释性不足、输出维度单一、缺乏结果置信度说明、模型无法动态更新以及难以适配边缘部署的问题，能够为变电站变压器运维提供透明、全面、可靠的健康状态评估支撑，有效提升变电站设备运维的智能化水平，保障电网运行的稳定性与安全性。

1.多源监测数据融合的变电站设备健康状态评估方法，其特征在于，包括：

2.如权利要求1所述的多源监测数据融合的变电站设备健康状态评估方法，其特征在于，加载变压器的多源异构状态数据，包括：

3.如权利要求1所述的多源监测数据融合的变电站设备健康状态评估方法，其特征在于，基于所述多源异构状态数据和变压器热传导偏微分方程，执行物理信息神经网络编码，获得物理约束损失值和物理先验嵌入向量，包括：

4.如权利要求1所述的多源监测数据融合的变电站设备健康状态评估方法，其特征在于，基于所述多源异构状态数据和所述物理先验嵌入向量，根据变压器物理拓扑结构执行时空图transformer融合，获得跨模态融合特征向量，包括：

5.如权利要求1所述的多源监测数据融合的变电站设备健康状态评估方法，其特征在于，基于所述跨模态融合特征向量，执行多任务健康评估，同步获得健康等级分类概率分布、热点温度预测值和剩余寿命预测值，包括：

6.如权利要求1所述的多源监测数据融合的变电站设备健康状态评估方法，其特征在于，还包括：

7.如权利要求1所述的多源监测数据融合的变电站设备健康状态评估方法，其特征在于，基于所述多任务健康评估中的模型参数，执行贝叶斯不确定性量化，获得所述健康等级分类概率分布、所述热点温度预测值和所述剩余寿命预测值各自的置信区间，包括：

8.如权利要求1所述的多源监测数据融合的变电站设备健康状态评估方法，其特征在于，基于所述时空图transformer融合中的注意力权重矩阵和所述物理约束损失值中各方程项的贡献比例，执行物理注意力归因，生成可解释性评估报告，包括：

9.如权利要求1所述的多源监测数据融合的变电站设备健康状态评估方法，其特征在于，还包括：

10.多源监测数据融合的变电站设备健康状态评估系统，其特征在于，用于执行权利要求1-9任一项所述的多源监测数据融合的变电站设备健康状态评估方法，包括：