一种基于LSTM-GAN的自动化变压器气体故障诊断系统及方法与流程

本技术涉及水力发电行业设备状态诊断领域，尤其涉及一种基于lstm-gan的自动化变压器气体故障诊断系统及方法。

背景技术：

1、作为庞大电网中进行能量转换的重要设备种类之一，变压器是保障电网运行安全方面的重点关注设备。特别是运行年限超过15年的存量变压器遍布电网各个节点，已经逼急设备其自身设计年限，不可避免的出现一些类似于零部件老化等各种设备隐患，导致安全事故发生的可能性持续增长。假若电网关键节点处的变压器出现安全事故，不仅有可能导致工作现场人员伤亡与财产损失甚至存在引起电网大面积停电、瘫痪的可能性，这势必对我国蓬勃发展的经济造成严重而恶劣的影响。所以变压器的故障诊断有着其不可忽略的必要性，以预防的手段降低其发生设备故障的概率，保障电网的安全运行。

2、国际电工委员会建议将油中溶解气体分析(dissolved gas analysis，dga)作为评估变压器健康状态的一种优先级较为前列的手段；而在自主制定并发布的《电力设备预防性试验规程》中，同样将dga作为涉及到电力设备检修试验标准流程中必不可少的一步。有充分的实际运行证据、大量的实际检测结果证明了，dga技术能有效地在较为早期的阶段发现油浸电力变压器内部的潜伏期故障，是现今对油浸电力变压器进行故障分析应用较为可靠的方法之一。

3、目前针对水力发电行业的应用深度学习的检测方案较少，且基本都是基于两种方式：1.庞大的监测装置和数据采集系统并且依赖于网络基础设施；2.需要复杂的人工实验提供样本数据可供分析，占用大量可用工时。因此，亟需提出一种变压器气体故障诊断流程精炼且高度集的方案。

技术实现思路

1、本技术提供一种基于lstm-gan的自动化变压器气体故障诊断系统及方法，以至少解决在变压器气体故障诊断时需人工提供样本且设备集成度较低的技术问题。

2、本技术第一方面实施例提出一种基于lstm-gan的自动化变压器气体故障诊断系统，所述系统包括：现地子系统和远端子系统；

3、所述现地子系统，用于采集待诊断变压器油中的全组分气体含量数据；

4、所述现地子系统，还用于从所述远端子系统中获取预先训练好的故障诊断模型；

5、所述现地子系统，还用于将所述全组分气体含量数据进行预处理，然后输入到所述预先训练好的故障诊断模型中，得到所述待诊断变压器的故障诊断结果；

6、所述远端子系统，用于对初始的故障诊断模型进行训练，得到预先训练好的故障诊断模型。

7、优选的，所述全组分气体含量数据包括：c2h2含量数据、ch4含量数据、c2h4含量数据、c2h6含量数据、co含量数据、co2含量数据和h2含量数据；

8、所述故障诊断结果包括：中低温过热、高温过热、低能放电、高能放电和正常状态。

9、进一步的，所述现地子系统包括：检测模块、诊断模块和通讯模块；

10、所述检测模块，用于通过可调谐半导体激光吸收谱法采集待诊断变压器油中的全组分气体含量数据；

11、所述诊断模块，用于将所述全组分气体含量数据进行预处理，然后输入到所述预先训练好的故障诊断模型中，得到所述待诊断变压器的故障诊断结果；

12、所述通讯模块，用于从所述远端子系统中获取预先训练好的故障诊断模型。

13、进一步的，所述通讯模块，还用于通过物联网将采集到的所述全组分气体含量数据发送到所述远端子系统；

14、所述远端子系统，还用于接收所述全组分气体含量数据，并基于所述全组分气体含量数据进行所述故障诊断模型的更新训练。

15、进一步的，所述诊断模块，还用于基于预设的策略确定所述故障诊断模型是否需要更新，当所述故障诊断模型需要更新时，向所述通讯模块发送更新请求信息；

16、所述通讯模块，还用于接收所述更新请求信息，并基于所述更新请求信息从所述远端子系统获取更新后的故障诊断模型。

17、进一步的，所述初始的故障诊断模型是由长短期记忆神经网络和生成对抗网络构成的。

18、进一步的，所述故障诊断模型的训练过程包括：

19、获取历史时段内各时刻变压器油中的全组分气体含量数据及对应的故障数据，并对所述全组分气体含量数据及对应的故障数据进行预处理，构成初始的训练数据；

20、基于所述初始的训练数据和生成对抗网络生成故障样本，并将所述故障样本划分为训练集数据和测试集数据；

21、以训练集数据中的c2h2含量数据、ch4含量数据、c2h4含量数据、c2h6含量数据、co含量数据、co2含量数据和h2含量数据为初始的长短期记忆神经网络的输入，以训练集数据中c2h2含量数据、ch4含量数据、c2h4含量数据、c2h6含量数据、co含量数据、co2含量数据和h2含量数据对应的故障诊断结果作为初始的长短期记忆神经网络的输出，并将交叉熵函数作为模型的损失函数，用adam算法对所述模型进行优化训练，得到初始的故障诊断模型；

22、基于测试集数据对所述初始的故障诊断模型进行校验，得到训练好的故障诊断模型；

23、其中，所述预处理包括：数据清洗及采取max-min方法对清洗后的数据进行归一化处理。

24、本技术第二方面实施例提出基于lstm-gan的自动化变压器气体故障诊断方法，所述方法包括：

25、采集待诊断变压器油中的全组分气体含量数据；

26、从远端子系统中获取预先训练好的故障诊断模型；

27、将所述全组分气体含量数据进行预处理，然后输入到所述预先训练好的故障诊断模型中，得到所述待诊断变压器的故障诊断结果；

28、其中，所述全组分气体含量数据包括：c2h2含量数据、ch4含量数据、c2h4含量数据、c2h6含量数据、co含量数据、co2含量数据和h2含量数据；

29、所述故障诊断结果包括：中低温过热、高温过热、低能放电、高能放电和正常状态。

30、本技术第三方面实施例提出一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如第二方面实施例所述的方法。

31、本技术第四方面实施例提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第二方面实施例所述的方法。

32、本技术的实施例提供的技术方案至少带来以下有益效果：

33、本技术提出了一种基于lstm-gan的自动化变压器气体故障诊断系统及方法，其中所述系统包括：现地子系统和远端子系统；所述现地子系统，用于采集待诊断变压器油中的全组分气体含量数据；所述现地子系统，还用于从所述远端子系统中获取预先训练好的故障诊断模型；所述现地子系统，还用于将所述全组分气体含量数据进行预处理，然后输入到所述预先训练好的故障诊断模型中，得到所述待诊断变压器的故障诊断结果；所述远端子系统，用于对初始的故障诊断模型进行训练，得到预先训练好的故障诊断模型。本技术提出的技术方案，可以将变压器诊断过程高度集成于物联网设备，减轻了推广成本，扩大了推广范围，同时解决了需要人工提供样本、本容量小的问题，提高了对故障类型的判断准确率。

34、本技术附加的方面以及优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。