科创中国

本成果公开了一种基于GSMallat?NIN?CNN网络的电力变压器绕组故障诊断方法，包括:利用多通道传感器对变压器绕组振动情况进行测量，得到变压器的多源振动数据;对测量得到的多源振动数据，利用GST灰度变换将多源振动数据转化为灰度图像;采用Mallat算法将各灰度图像逐层分解为高频分量子图像和低频分量子图像，并对其进行图像融合;重构融合后的灰度图像，按照变压器绕组的故障状态，对振动灰度图像进行编码;建立基于 GSMallat?NIN?CNN网络的变压器故障诊断模型;随机初始化网络参数，划分训练集和测试集，通过训练集对网络进行训练和调优;保存训练好的网络，并通过测试集对网络测试。

本成果的基于GSMallat-NIN-CNN网络的电力变压器绕组故障诊断方法，能有效抑制变压器振动信号中单源信号特性信息强度随距离变化的问题，降低多源图像中大量冗余信息、信噪比低的问题，经实验验证，该方法有效抑制了多源信号中的噪声，提高特征信息完整性，降低了计算量，提高了故障诊断准确性。

电力变压器作为电网中不可缺少的一部分，其工作状态与电力系统的安全可靠运行息息相关，因此是否迅速检测到变压器的隐患故障并及时处理是电力行业中的关注点。国内数据统计显示 ,绕组故障是变压器的主要故障，占到故障总数的70％。故该成果专注于研究电力变压器绕组故障诊断方法 ，在降低计算量的同时提高故障诊断准确性。

未来电力行业将有更大的发展，电力变压器的故障诊断与状态检修作为我国电力系统实现体制转变提高电力设备的科学管理水平的有力措施，是今后在电力生产中努力和发展的方向。该成果相比较传统的变压器绕组故障诊断方法，不需要矩阵变换，极大降低了计算量，能够实现更为有效地变压器绕组故障诊断，提高了工作效率和故障诊断准确率，市场前景广阔。

何怡刚，二级教授，博导。国家杰出青年科学基金获得者，教育部(首批)新世纪优秀人才，中国产学研合作促进奖获得者。

该成果解决了针对现有技术中传统的数据预处理方法特征丢失严重，单源信号因位置而测量的强度不一，多源信号中大量冗余信息的缺陷，提供一种基于GSMallatNINCNN网络的电力变压器绕组故障诊断方法，更加智能高效且准确率更高。

通过技术合作的方式进行转化