基于油色谱的变压器状态诊断方法、终端及存储介质与流程

技术特征：
1.一种基于油色谱的变压器状态诊断方法，其特征在于，包括：获取多个历史油色谱样本，其中，所述历史油色谱样本包括：历史油色谱数据以及与所述历史油色谱数据同期的变压器状态；根据所述变压器状态，对所述历史油色谱样本进行分类，获得多个样本集；对每个变压器状态为异常状态的样本集扩容，获得多个扩容样本集，其中，所述扩容样本集的样本数量与变压器状态为正常状态的样本集的样本数量相同；获取当前油色谱数据，根据所述当前油色谱数据、所述多个扩容样本集以及所述变压器状态为正常状态的样本集，确定当前变压器的状态。2.根据权利要求1所述的基于油色谱的变压器状态诊断方法，其特征在于，所述油色谱数据包括多种溶解气体的变化量，所述溶解气体的变化量为目标时期溶解气体的含量与目标时期的前一时期溶解气体含量的差值；所述变压器状态包括无故障状态、过热状态、放电状态和绝缘潮湿状态中的至少一种。3.根据权利要求1所述的基于油色谱的变压器状态诊断方法，其特征在于，对每个变压器状态为异常状态的样本集扩容，获得多个扩容样本集，包括：针对每个变压器状态为异常状态的样本集，执行如下步骤：获取gan网络模型，其中，所述gan网络模型包括：生成器以及判别器；获取随机噪声，将所述随机噪声输入至所述生成器，生成伪样本；判别器训练步骤：将所述伪样本与当前样本集中的样本输入至所述判别器，对所述判别器进行训练，直至所述判别器的判断准确率高于第一阈值，固定所述判别器的参数，作为经过训练的判别器；生成器训练步骤：将所述随机噪声输入至所述生成器，直至所述经过训练的判别器的判断准确率小于或等于第二阈值，固定所述生成器的参数，作为经过训练的生成器；将所述随机噪声输入至所述经过训练的生成器，对所述当前样本集进行扩容。4.根据权利要求1所述的基于油色谱的变压器状态诊断方法，其特征在于，所述根据所述当前油色谱样本、所述多个扩容样本集以及所述变压器状态为正常状态的样本集，确定当前变压器的状态，包括：从各个已知状态油色谱数据中，选取预定数量的与当前油色谱数据距离最近的样本，作为最接近样本，其中，已知状态油色谱数据包括：各个扩容样本集的样本以及所述变压器状态为正常状态的样本集的样本；获取多个所述最接近样本的中多数样本对应的变压器状态，作为所述当前变压器的状态。5.根据权利要求1所述的基于油色谱的变压器状态诊断方法，其特征在于，所述根据所述当前油色谱样本、所述多个扩容样本集以及所述变压器状态为正常状态的样本集，确定当前变压器的状态，包括：获取神经网络模型；根据所述多个扩容样本集以及变压器状态为正常状态的样本集，训练所述神经网络模型，获得状态判断神经网络；将所述当前油色谱数据输入至所述状态判断神经网络，获得当前变压器的状态。6.根据权利要求5所述的基于油色谱的变压器状态诊断方法，其特征在于，所述根据所
述多个扩容样本集以及变压器状态为正常状态的样本集，训练所述神经网络模型，获得状态判断神经网络，包括：将每个样本集拆分为一个训练集以及一个验证集；模型训练步骤：将所述训练集中的每个样本输入至所述神经网络模型，对模型进行训练，直至损失值低于第三阈值；模型验证步骤：将所述验证集中的每个样本输入至所述神经网络模型，验证所述神经网络模型的准确率；若所述神经网络模型的准确率低于第四阈值，则修改所述神经网络模型后返回至所述模型训练步骤；固定所述神经网络模型的参数，作为状态判断神经网络。7.根据权利要求6所述的基于油色谱的变压器状态诊断方法，其特征在于，所述修改所述神经网络模型，包括：删除所述神经网络模型的一部分隐含层。8.一种基于油色谱的变压器状态诊断装置，其特征在于，包括：样本获取模块，用于获取多个历史油色谱样本，其中，所述历史油色谱样本包括：历史油色谱数据以及与所述历史油色谱数据同期的变压器状态；样本分类模块，用于根据所述变压器状态，对所述历史油色谱样本进行分类，获得多个样本集；样本扩容模块，用于对每个变压器状态为异常状态的样本集扩容，获得多个扩容样本集，其中，所述扩容样本集的样本数量与变压器状态为正常状态的样本集的样本数量相同；以及，状态确定模块，用于获取当前油色谱数据，根据所述当前油色谱数据、所述多个扩容样本集以及所述变压器状态为正常状态的样本集，确定当前变压器的状态。9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。

技术总结
本发明涉及变压器故障诊断技术领域，尤其涉及一种基于油色谱的变压器状态诊断方法、终端及存储介质，本发明方法其通过获取多个历史油色谱样本，将油色谱样本按照同期变压器的状态，对油色谱样本进行分类，形成多个样本集。由于异常状态的各个样本集的样本数较少，因此，本发明实施方式对样本集进行扩容，增大样本的数量。基于扩容后的样本集，确定当前变压器的状态。因此，解决了现有技术中，油色谱诊断变压器状态时，异常数据量少、有效信息量小的问题，提高了变压器诊断的准确性。提高了变压器诊断的准确性。提高了变压器诊断的准确性。


技术研发人员：程蓉 胡诗尧 容春艳 郭佳
受保护的技术使用者：国家电网有限公司
技术研发日：2022.01.06
技术公布日：2022/4/15