基于Transformer神经网络的变压器状态监测

摘要：

电力变压器是电力系统的关键设备,为保障电力系统健康稳定运行,对电力变压器开展状态监测十分必要.提出基于Transformer神经网络的变压器状态监测方法,Transformer神经网络具有自注意力机制,能够挖掘不同特征维度之间的关联性,为变压器状态监测提供更可靠的决策能力.在进行变压器数据收集时,将采集到的数据集分为健康、亚健康、病态3个类别;之后采用原始数据、小波特征以及傅里叶特征融合的方式对数据进行预处理,增加特征维度;通过数据生成和Focal Loss的方法降低模型训练时数据不平衡带来影响,再将处理后的数据输入Transformer神经网络进行模型训练,最终利用训练好的模型预测变压器健康状态.与传统机器学习方法、卷积神经网络、长短时记忆网络相对比,所提方法预测精度有明显提升,能够准确的监测变压器设备状态,预测准确率能达到90％,是一种有效的变压器状态监测方法.

关键词：电力系统、电力变压器、状态监测、Transformer神经网络、特征融合

所属期刊栏目：42

分类号：TM41(变压器、变流器及电抗器)

在线出版日期：2023-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：145-150