数据增广与动态赋权协同的变压器状态评估方法及系统与流程

摘要: 本发明涉及电力变压器状态监测与评估,特别是一种数据增广与动态赋权协同的变压器状态评估方法及系统。背景技术:1、变压器作为电力系统的核心枢纽,其运行可靠性直接关系...
数据增广与动态赋权协同的变压器状态评估方法及系统与流程

本发明涉及电力变压器状态监测与评估,特别是一种数据增广与动态赋权协同的变压器状态评估方法及系统。

背景技术:

1、变压器作为电力系统的核心枢纽,其运行可靠性直接关系到电网的安全稳定,随着智能电网建设的深入,对变压器状态的评估已从传统的定期检修向基于多源监测数据的状态评估转变。

2、在实际工程应用中,变压器在状态评估中仍存在评估指标权重的确定往往依赖静态经验,难以响应设备实时劣化状态,具体来说,现有的变压器状态评估方法多采用层次分析法(ahp)或熵权法确定指标权重,这些方法虽然在一定程度上兼顾了专家经验与数据客观性,但本质上属于静态赋权,变压器的运行状态是一个动态演变过程,当某项指标(如油中溶解气体含量)出现突发性劣化时,静态权重无法随之动态调整,导致评估模型对异常状态的响应迟钝,难以精准捕捉故障征兆。

3、另外,变压器在状态评估存在关键故障样本稀缺导致评估模型训练不足,影响了评估结果的准确性,具体来说,现有基于历史监测数据的评估体系,往往受限于样本数量的匮乏,导致模型训练处于“欠拟合”状态,这种数据支撑的缺失导致评估模型无法准确刻画故障样本的高维特征分布,导致对异常状态的识别率低下,同时,缺乏足够的极端工况样本,模型在面对突发性故障时极易出现误判。

4、目前,已有大量的研究针对现有的评估方法和相关的数据增强。例如:李波,张文乾,刘维,等.基于熵权层次法的油浸式变压器绝缘状态评价[j].电力工程技术,2023,42(04):223-230.该文献提出的熵权ahp方法,虽引入指标退化程度实现动态修正,但底层权重调整幅度受限于顶层主观判断,削弱了客观数据的主导作用;张少锋,马德英,吴西博,等.变压器关键参量融合的组合诊断方法研究[j].重庆理工大学学报(自然科学),2021,35(11):198-206.文献通过多判据融合提升故障识别性能,反映出集成诊断的潜力,但其判据权重仍多依赖静态设定。

5、针对上述问题,现在设计一种数据增广与动态赋权协同的变压器状态评估方法及系统。

技术实现思路

1、本技术实施例提供一种数据增广与动态赋权协同的变压器状态评估方法及系统,以解决相关技术中变压器健康状态评估存在的静态权重无法适配指标实时劣化、故障小样本稀缺导致数据集类不平衡,进而造成评估结果故障灵敏度低、泛化性不足的问题。

2、为实现上述目的,本发明所采用的技术方案是:一种数据增广与动态赋权协同的变压器状态评估方法,包括以下步骤:

3、s1:构建包含目标层、准则层和指标层的三层评估指标体系,得到评估参量,基于各指标的正负向属性确定归一化处理规则,采集变压器运行的历史监测数据,获得原始历史监测数据集;

4、s2:划定变压器四级健康状态及对应健康指数区间,得到状态分级判定标准,结合各指标注意值阈值对历史监测数据逐条标注分类,形成带状态标签的分类数据集;

5、s3:将带状态标签的分类数据集输入表格去噪扩散概率模型,基于前向扩散过程拟合原始数据到高斯噪声分布的映射关系,通过训练神经网络学习反向去噪马尔可夫链定向生成少数类补充样本,得到训练样本集;

6、s4:根据专家指标偏好打分求解线性规划模型,得到反映专家经验的主观权重,基于历史数据中提取指标对比强度与冲突性特征计算得到客观权重,将主客观权重融合归一化后得到静态综合权重;

7、s5:将类别均衡的训练样本集输入自注意力网络,通过线性投影生成查询向量与键值向量,基于缩放点积运算计算指标间相关性强度,得到状态变权因子;

8、s6:将状态变权因子与静态综合权重进行非线性融合,引入灵敏度调节因子控制响应幅度,对融合后的权重向量进行归一化处理,得到最终动态综合权重;

9、s7:将评估指标实测值经标准化消除量纲差异后,结合动态综合权重输入云模型,计算得到变压器综合健康指数,依据划定的四级健康状态区间映射输出对应评估结论。

10、优选的,步骤s1中包括以下步骤:

11、s11:根据油中溶解气体、油化特性及电气试验三个维度选取评估参量,构建包含目标层、准则层和指标层的三层评估指标体系,得到覆盖变压器运行状态的多维度评估参量集合;

12、s12:根据各指标的正负向属性,分别采用正向极差变换与逆向极差变换对采集的原始监测数据进行归一化预处理,将所有指标数据统一映射至[0,1]区间,获得量纲统一、可横向对比的标准化指标数据;

13、s13:基于构建完成的评估指标体系,系统采集变压器运行过程中10项评估参量的历史监测数据,记录各参量的初始值、注意值及各时刻实测值,形成原始历史监测数据集。

14、优选的,步骤s2中包括以下步骤:

15、s21:划分为正常、注意、异常和严重四个等级,对应划定[0.8,1.0]、[0.5,0.8)、[0.2,0.5)和[0,0.2)四个健康指数区间,得到统一的健康状态分级判定标准;

16、s22:结合各指标的注意值阈值,对步骤s1采集的历史监测数据进行逐条标注,依据各样本的综合健康状态将其归入对应等级,形成带状态标签的分类数据集;

17、s23:统计带状态标签的分类数据集中各等级的样本数量,评估数据集的类间不平衡程度,计算确定后续tabddpm增广中各少数类所需的少数类补充样本量。

18、优选的,步骤s3中包括以下步骤:

19、s31:给定初始样本数据,通过前向扩散过程向原始数据逐步添加噪声,基于高斯分布与重参数化技巧推导任意时刻的样本表达式,得到原始数据到标准高斯噪声分布的前向映射规律;

20、s32:构建噪声预测神经网络学习逆向马尔可夫链,从标准高斯噪声分布出发逐步去噪还原原始数据分布,通过最小化简化的变分下界损失函数完成模型训练,得到可生成符合原始数据分布特征的反向生成模型;

21、s33:基于步骤s23确定的少数类补充样本量,调用训练完成的tabddpm模型定向生成对应数量的少数类样本,将生成样本与原始数据集合并,得到类别均衡的训练样本集,为后续自注意力网络的训练提供均衡数据支撑。

22、优选的,步骤s4中包括以下步骤:

23、s41:邀请行业专家从评估指标中选定最优指标与最差指标,分别构造最优到其他偏好向量和其他到最差偏好向量,通过求解线性规划模型得到bwm主观权重,同时获得可衡量打分一致性的最优目标函数值;

24、s42:基于归一化的历史监测数据,以标准差度量各指标的对比强度,通过pearson相关系数计算各指标的冲突性指标,量化得到各指标的信息独立性综合信息量,对综合信息量进行归一化处理后得到critic客观权重;

25、s43:将bwm主观权重与critic客观权重进行逐元素相乘,对相乘后的权重向量进行归一化处理,得到兼顾主客观信息的静态综合权重。

26、优选的,步骤s5中包括以下步骤:

27、s51:将tabddpm增广后的标准化监测向量输入自注意力网络,通过可学习的特征提取矩阵进行线性投影,生成对应维度的查询向量与键值向量,为后续相关性计算提供输入;

28、s52:利用缩放点积运算计算各指标间的相关性强度,经softmax函数对运算结果进行归一化处理,生成反映各指标实时劣化显著性的状态变权因子,实现对关键劣化指标的权重自适应放大。

29、优选的,步骤s6中包括以下步骤:

30、s61:采用指数加权法将状态变权因子与静态综合权重进行非线性融合,引入灵敏度调节因子控制动态调整的幅度,通过指数加权计算公式得到初步融合的动态权重向量;

31、s62:对融合后的权重向量进行归一化处理,确保所有权重元素之和为1,得到最终动态综合权重,实现对严重偏离阈值的关键劣化指标权重的自适应放大。

32、优选的,s71:将各评估指标的实测值依据步骤s1确定的归一化规则进行标准化处理,消除不同指标间的量纲差异,得到可用于加权计算的标准化指标向量;

33、s72:将标准化后的指标向量与步骤s6输出的动态综合权重输入云模型,通过加权融合计算得到变压器的综合健康指数;

34、s73:依据步骤s2划定的四级健康状态区间,将计算得到的综合健康指数映射至对应的健康等级,输出最终的健康状态评估结论。

35、一种数据增广与动态赋权协同的变压器状态评估系统,包括:

36、指标构建模块,用于构建包含目标层、准则层和指标层的三层评估指标体系,基于各指标的正负向属性确定归一化处理规则;

37、数据采集模块,用于采集变压器运行的历史监测数据,输出原始历史监测数据集;

38、状态分级与标注模块,用于划定变压器四级健康状态及对应健康指数区间,得到状态分级判定标准,结合各指标注意值阈值对历史监测数据逐条标注分类,输出带状态标签的分类数据集;

39、表格去噪扩散概率增广模块,用于将带状态标签的分类数据集输入表格去噪扩散概率模型,输出类别均衡的训练样本集;

40、静态权重计算模块,用于根据专家指标偏好打分求解线性规划模型得到主观权重,基于历史数据提取指标对比强度与冲突性特征计算得到客观权重,将主客观权重融合归一化后输出静态综合权重;

41、自注意力变权模块,用于将类别均衡的训练样本集输入自注意力网络,通过线性投影生成查询向量与键值向量,输出随指标劣化程度自适应调整的状态变权因子;

42、动态权重融合模块,用于将状态变权因子与静态综合权重进行非线性融合,引入灵敏度调节因子控制响应幅度,对融合后的权重向量进行归一化处理,输出响应指标实时劣化状态的最终动态综合权重;

43、云模型评估模块,用于将评估指标实测值经标准化消除量纲差异后,结合动态综合权重输入云模型计算变压器综合健康指数,依据划定的四级健康状态区间映射输出对应评估结论。

44、优选的,所述静态权重计算模块包括:

45、bwm主观权重计算单元,用于基于选定的最优指标与最差指标构造偏好向量,求解线性规划模型得到bwm主观权重;

46、critic客观权重计算单元,用于以标准差度量指标对比强度,通过pearson相关系数计算指标冲突性指标,量化得到critic客观权重。

47、本发明提供一种数据增广与动态赋权协同的变压器状态评估方法及系统,有益效果为:

48、通过行业专家选定评估指标中的最优指标与最差指标,构造偏好向量并求解线性规划模型获取主观权重,权重结果具备可量化的一致性度量,贴合变压器故障机理对应的工程经验,critic法基于归一化监测数据的标准差量化指标对比强度、通过pearson相关系数计算指标冲突性,充分挖掘历史监测数据的客观统计规律;二者经逐元素相乘并归一化融合后,既避免了单一主观赋权的经验偏差,也降低了单一客观赋权脱离运维实际的局限,有效提升了评估权重的合理性与客观性。

49、通过引入表格去噪扩散概率模型对异常、严重等级的小样本故障数据进行定向扩充,通过前向扩散逐步加噪、反向生成逐步去噪的两阶段过程,生成符合真实监测数据分布特征的高质量故障样本,合并原始数据后构建类别均衡的训练数据集;降低变压器故障样本稀缺导致的数据集类不平衡问题,避免评估模型因样本分布偏置出现训练欠拟合,改善了传统方法对异常状态识别率低、突发性故障易误判的缺陷,显著提升了后续自注意力评估模型的泛化能力与故障识别鲁棒性。

50、通过自注意力网络提取多评估指标间的非线性耦合特征,通过缩放点积运算量化指标间的相关性强度,经softmax归一化生成可反映指标实时劣化显著性的状态变权因子,结合指数加权法将状态变权因子与静态综合权重进行非线性融合,引入灵敏度调节因子控制权重动态调整的响应幅度,降低静态赋权无法响应指标动态劣化、对早期故障征兆响应迟钝的局限,计算得到的综合健康指数更贴合设备实际运行状况;同时可同步标识偏离阈值的关键劣化指标,能够为变压器状态检修策略制定、差异化运维决策提供精准可靠的量化依据。